The correlation of the planetary atmosphere structural characteristics with their optical properties and radiative heat exchange peculiarities

The structure characteristics of the Earth-type planetary atmospheres are calculated solving the radiative heat exchange problem. Their correlations with the surface reflection characteristics and optical properties of their atmospheres are considered.     

前机身/进气道攻角特性的数值与试验研究

为研究前机身/进气道内外流场的攻角特性,对其一体化模型进行综合求解。将数值计算结果与试验数据进行对比以验证数值方法。分析了不同攻角下前机身对进气道入口气流的影响以及进气道内部流动情况,同时分析了攻角对进气道总压恢复系数和出口总压畸变指数的影响。结果表明:进气道位于机身下侧的布局能在大攻角下降低进气道入口的迎角和马赫数,有效提高飞行极限;在超声来流下,进气道在很宽泛的攻角范围内总压恢复系数都能达到0.94左右,在9°到18°攻角范围内具有较低水平的总压畸变,在此攻角范围之外,总压畸变对攻角的变化很敏感。     

大气边界层风洞流场特性的模拟

风洞中大气边界层模拟的准确度是保证风洞试验结果准确度的重要因素。本文采用了一种新型曲边梯形尖塔,并结合粗糙元等被动装置对风洞大气边界层模拟进行了研究,模拟出我国规范中的A、B、C和D类四种地貌并将结果和已有的研究结果进行比较。结果显示：所采用新型结构尖塔可以显著提高风洞大气边界层中部以上高度的湍流度,整个湍流度剖面基本覆盖了西方主要国家规范对此项指标的建议值。文中还调试出平均风速剖面不变而湍流度分布可变的流场,为开展相关的结构抗风研究奠定了基础。     

基于非线性神经网络的摆式列车检测系统动态补偿方法研究

针对零极点匹配动态补偿方法的不足 ,提出基于非线性神经网络的摆式列车检测系统动态补偿方法。根据陀螺平台实测超高数据 ,采用LM算法对所设计的非线性神经网络进行训练。仿真结果表明 ,所设计的神经网络动态补偿器能有效改善陀螺平台系统的动态特性 ,满足摆式列车倾摆控制实时性的要求。     

环境参数对飞机防冰热载荷的影响规律

为在飞机热气防冰系统设计过程中准确计算防护表面的防冰热载荷,以某飞机翼段模型为例,对防冰热载荷计算开展了研究,给出了计算流程,研究了来流速度、高度、温度、液态水含量和水滴直径等环境参数变化对翼段表面热载荷分布规律的影响.研究结果表明:①热载荷主要分布在机翼前缘,且越靠近翼尖部分热载荷数值越大,热载荷曲线呈现中间低两边高...     

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题,提出了一种基于循环神经网络的故障诊断方法.对卫星姿态控制系统建模,进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据.设计六种异构的循环神经网络,对故障数据进行故障诊断和分类,分别从网络深度、反馈单元、激活函数和训练算法对比网络效果.带有门循环单元的(gate recurr...     

地下核试验监测中的卫星遥感技术及应用

卫星遥感技术在发现、监测、识别、定位和分析地下核试验中具有不可替代的独特作用, 且使得事先阻止核爆炸试验成为可能. 地下核试验的卫星核查与遥感监测是一个高度复杂的综合决策过程. 本文结合几个具体实例, 介绍了其中一些有效的遥感分析识别技术, 如图像序列分析、图像融合、变化检测、K-L变换、D-InSAR、数字三维地形、GIS数据库等. 卫星遥感的局限性在于, 其难以从物理上确认地下核爆炸事件且不可避免地存在虚警和漏警.     

基于数据驱动的弹性高超声速飞行器控制方法

高超声速飞行器存在气动非线性强、复杂振动干扰等特点,参数不确定性大条件下传统依赖于精确模型的控制方法品质下降明显,需要进一步提高控制系统在线适应能力。针对弹性高超声速飞行器过载跟踪性能在线优化和弹性振动影响下的控制参数优化问题,提出了一种基于数据驱动的自学习控制方法,首先将高超声速飞行器输出反馈控制问题转化为状态反馈形式,采用鲁棒自适应动态规划算法设计了适用于过载跟踪问题的无模型控制参数在线优化方法,然后针对飞行器复杂弹性振动干扰的问题,提出了基于陷波滤波器的自适应动态规划控制方法,从而保证了振动影响下的控制参数在线优化效果。仿真结果表明,在不依赖于准确模型参数的条件下,所提的方法能够有效实现弹性振动干扰下的控制参数在线优化,并提高过载跟踪控制品质。     

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本、高效率、高精度的故障快速定位。