论空中交通管制中的非常态运行对飞行安全的影响

空中的飞行局势瞬息万变,由于特殊天气、空军活动、流量限制、航空器不正常以及人员、设备等因素导致的非常态运行对飞行安全影响很大。本文联系空管实际,对这些常见的非常态运行情况逐一进行分析,并提出相应的解决措施,以确保航空安全。     

金属组元对细编穿刺工艺织物的损伤

讨论了添加金属组元对细编穿刺织物的性能影响,在碳布和碳纤维中引入纳米、微米级粒径组元,对碳布和碳纤维进行测试,分析了不同粒径组元对碳布、纤维在工艺过程中的损伤情况.并对其进行了分散形貌和微观形态的分析.结果表明,纳米级组元对碳布、纤维的损伤小于微米级组元,展示了纳米级组元作为含组元织物成型过程中引入组元的良好前景.     

卫星复合材料储能／姿控一体化飞轮的设计制造

阐述了卫星用复合材料储能／姿控一体化飞轮的结构设计及制造技术。采用独特的线型设计和结构设计,利用高强碳纤维缠绕技术成型飞轮转子,选用钛合金经精密加工成轮毂,用胶接技术将两者装配胶接为飞轮。通过有限元的方法对飞轮进行了模态分析,一阶基频为956Hz。试验测得的飞轮储能密度为79.8 Wh/kg,达到国内先进水平。
     

基于速度矢量场的无人机实时动态航路规划

针对局域动态环境中无人机实时航路规划展开研究,提出了一种基于速度矢量场的二维动态实时航路规划方法。通过建立不同空间特征区域速度场模型,实现了速度场驱动下的无人机航路规划。文中采用虚拟目标点法解决了速度矢量场航路规划局部陷阱问题;采用探测步长法,实现了无人机机动约束的融合,解决了航路可飞性问题;在动态实时规划应用中,确立了环境信息更新方法,实现了对动态环境的描述。通过仿真验证,表明速度矢量场法能够根据动态环境信息及时规避威胁到达目标点,算法具有良好的完备性和实时性,适用于局域动态环境中的快速航迹规划。     

Swsy—H型温湿度计量装置的研制

介绍了温湿度计量装置的研制,阐述了其工作原理、硬件组成、关键技术及实现的功能。该装置的研制成功不仅能够满足小型湿度传感器和温度传感器的校准需要,也可以用于露点湿度计（露点范围：-20～40℃）的校准。     

有限推力能量、燃料最优轨道转移控制

应用间接法研究了时间固定下的能量、燃料以及能量-燃料最优有限推力轨道转移控制问题.燃料最优问题因存在奇异性而不易处理,引入能量性能指标可以消除奇异性,应用ε算法寻求解决了燃料最优轨道转移问题.应用极小值原理,设计了最优控制器,应用单值打靶法研究了相应轨迹优化问题转化的两点边值问题.数值结果表明在相同推力、相同轨道转移时间条件下,三种最优控制方式得到的最优轨迹几乎相同;同时也表明给定初始和目标轨道,轨道转移任务消耗的燃料是确定的,推力大小只影响轨道转移的圈数.     

马赫数振荡状态下带抽吸槽进气道非定常数值模拟

研究了在来流马赫数振荡状态下带抽吸槽的二维混压式超音速进气道的气动特性,通过给定非定常边界条件,对飞行马赫数为2．2、振荡马赫数幅值为0．154的进气道非定常流场进行了数值模拟。与定常条件下数值模拟结果进行对比,结果显示非定常流场与定常流场有较大差异。在振荡状态下,进气道的性能发生周期性变化,存在一个椭圆形或类似椭圆形的迟滞回路。     

可重构自适应无线电引信干扰技术研究

根据无线电引信的工作特点,提出了可重构自适应无线电引信干扰技术。设计了自适应无线电引信干扰技术方案,分析了无线电引信信号调制识别技术。对该技术的应用前景进行了展望。     

基于分层变块大小运动估计的边信息提取算法(英文)

在分布式视频编码(DVC)中,边信息的质量对视频序列的压缩效果有很大影响。本文中,一种基于分层运动估计的边信息提取算法引入到DVC系统中。首先,采用了两种运动估计模式,向前运动估计和双向运动估计,然后利用分层变块大小运动估计算法获得了比较准确的运动矢量。接着运动矢量滤波器修正了由于局部相似造成的错误运动矢量。最后,选择决策模块更好地处理了帧内插技术中的多种估计模式的问题。这些算法为DVC提供了更好的边信息,提高了DVC系统的性能。实验结果显示,基于这种新算法的DVC系统高于传统视频编码帧内模式 3-4dB,而仅仅低于传统视频编码IBIB模式0.5-1dB。     

二值卷积神经网络综述

二值卷积神经网络（BNN）占用存储空间小、计算效率高,然而由于网络前向的二值量化与反向梯度的不匹配问题,使其与同结构的全精度深度卷积神经网络（CNN）之间存在较大的性能差距,影响了其在资源受限平台上的部署。至今,研究者已提出了一系列网络设计与训练方法来降低卷积神经网络在二值化过程中的性能损失,以推动二值卷积神经网络在嵌入式便携设备发展中的应用。因此,本文对二值卷积神经网络进行综述,主要从提高网络表达能力与充分挖掘网络训练潜力两大方面,给出了当前二值卷积神经网络的发展脉络与研究现状。具体而言,提高网络表达能力分为二值化量化方法设计、结构设计两方面,充分挖掘网络训练潜力分为损失函数设计与训练策略两方面。最后,对二值卷积神经网络在不同任务与硬件平台的实验情况进行了总结和技术分析,并展望了未来研究中可能面临的挑战。