机翼设计软件的完善及商用化研究

在对原有的机翼设计软件进一步完善的基础上,开发了基于Windows操作系统的设计软件工程包;通过图形用户界面实现了设计过程的菜单式选择和设计变量的模块化输入;开发了设计过程中目标压力分布的可视化修改模块,设计过程的实时显示模块,及与其它图形绘制软件的接口;提高了软件的可视化程度,使原有的机翼设计软件的商用性得到了很大的提高,探讨了国产CFD软件商用化的可行性。     

摄动对编队飞行星座相对构型的影响分析

在近圆轨道编队飞行的假设条件下，根据动力学关系推导出了环绕卫星相对参考卫星的运动学简化模型，并以此简化模型为基础，分别研究了大气阻力摄动、日月引力摄动、太阳光压摄动和地球扁率摄动对编队飞行星座的构型影响，着重分析了地球扁率摄动周期项和长期项对构型的影响，并以此对编队轨道设计提出建议。     

旅客机／涡扇发动机设计参数一体化选择研究

依据旅客机的典型飞行剖面、适航性以及国际民航组织的规范，建立了旅客机／涡轮风扇发动机设计参数一体化选择的计算方法和程序，此方法按照旅客机的商载、航程等营运需求，以满足飞行任务条件下经济性最好为目标，优选飞机的起飞推重比、翼载以及发动机循环参数等，对选出的旅客机／发动机机方案，可对其航线飞行性能进行模拟，计算轮档燃油、轮挡时间以及一发失效的升限。本方法和程序可用于民用涡轮风扇发动机的方案设计和性能分     

我国中部地区电离层扰动时空尺度的统计分析

将最大熵动态互普方法用于高频多普勒台阵数据处理，从覆盖太阳活动高、低年份的高频多普勒台阵观测数据中，得出了中国中部地区电离层声重波扰动的传播方向、时空尺度等参量之间的统计分布特性，进而探讨了有关扰动源的情况，结果表明，极区源和局地源两种不同的激发源所激发的声波，分别反映了电离层扰动的全球传播和地区特性两种不同的特征。     

UML在软件可靠性测试数据自动生成中的运用

为了自动生成实时嵌入式软件的可靠性测试数据,利用UML(统一建模语言)提供的建模机 制,从软件可靠性测试的角度建立use-case剖面、接口模型和测试数据实现模型,然后根 据 这些模型的描述进行随机抽样,自动生成可靠性测试数据.利用该方法能够开发出相应的测 试数据自动生成工具,在软件可靠性测试领域有着较大的实用价值.     

利用调制域分析仪实现频率稳定性的测量

介绍了时域频率稳定性常用的测量方法 ,并重点介绍了利用调制域分析仪实现时域频率稳定性的测量方法。这种测量方法可以实现时域频率稳定性的无间隔测量 ,消除了原有测量系统 (HP5 390A频稳分析仪 )中由于有间隔取样而对测量结果造成的影响     

基于光电响应模型的CCD像素响应不均匀性校正方法

从理论上分析了CCD暗电流和光电响应不均匀性产生的原因 ,根据光电响应模型提出了CCD像素光电响应不均匀性的校正方法 ,推导出了像素光电响应不均匀性的校正系数的计算方法 ,并给出了校正性能评价方法。针对实际校正中干扰光的影响 ,提出了采用变波长去除干扰方法 ,用以对校正方法进一步修正和加强校正的稳定性。研究表明 ,能量和噪声的变化对提出的校正方法影响小 ,校正过程不受信号分布形式的影响 ,校正量对信号能量变化具有自适应性特性。仿真和实验结果验证了校正方法和校正系数算法的正确性和可行性。     

一种基于FPGA的超高速32k点FFT处理器

采用FPGA(Field Programmable Gate Arrays)实现了一个超高速的32k点的流水线FFT(Fast Fourier Transform)处理器.FPGA的工作频率为125MHz,可以处理连续的1Gs/s(1 Giga-samples per second)的复数数据.该FFT处理器主要基于二维分解算法,采用MDF(Multi-path Delay Feedback)流水线结构,并结合MDC(Multi-path Delay Commutator)及SDF(Single-path Delay Feedback)结构的特点.处理器的内存资源消耗相对MDC结构有所减少,而运算速度相对SDF结构有所提高.建立了处理器的算法和设计模型,并根据模型对处理器的3个组成模块进行了优化以减小资源消耗.利用VHDL语言在Xilinx ISE工具上进行了设计,FPGA的布局布线结果验证了设计的可行性.     

风场对重力波的滤波现象

对MillstoneHill台站数字测高仪DGS－256漂移探测数据进行的分析表明，背景风场对重力波扰动具有明显的滤波作用．这种滤波效应主要表现为：扰动传播方向具有顺时针旋转的日变化特征，扰动相对出现率峰值出现在扰动传播方向与背景风场方向之间的夹角为180°－225°之间．扰动时空尺度越小，其传播越趋向于逆风场方向．     

基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。