青海省柴达木盆地大气电场随高度的变化特征

大气电场强度是大气电学的重要参数.大气电场的准确测量及其时空特性对研究空间天气活动、气象活动以及大型地质活动具有重要意义.2019年8月26日和28日,中国科学院鸿鹄专项团队在青海省海西蒙古自治州大柴旦镇地区放飞搭载模式电场仪的探空气球,测量了不同高度的大气电场强度.利用互相关函数法和主成分分析法研究了此次气球实验得到的电场数据.结果表明,尽管通常情况下决定大气垂直电场大小的主要因素是高度,但是该地区风场对大气电场强度的影响也比较显著.晴天大气条件下,有无薄云的存在对大气电场测量存在一定影响,有云条件下,风速会通过影响云的形成间接影响到大气电场.此外,柴达木盆地存在一个易受下垫面影响的大气电场边界层,分析表明这个边界层厚度在3km以上.对边界层大气电场变化以及晴天无云时3600m以上的大气电场分布进行了分析和拟合.      

短基线约束条件下的整周模糊度二维搜索算法

通过对基线仰角和方位角的搜索,在二次残差最小的条件下确定整周模糊度。建立了搜索模型,论述了搜索原理及其应用的具体过程,推导了粗搜索和精搜索的步长。通过试验与最小二乘降相关平差(Least-squares Ambiguity Decorrelation Adjustment,LAMBDA)算法进行分析比较,验证了新方法的正确性及可靠性,得到了1cm的基线精度,0.6°的仰角和0.4°的方位角精度,且算法简单,搜索效率高,适用于载体的姿态测量。     

高温合金切削中刀具的合理选用

刀具材料是刀具几何设计和加工工艺参数选择的基础.刀具材料是推动当今高速切削技术发展的关键技术之一,刀具材料的超前发展为高速切削加工工艺的发展创造了重要的条件.     

泡沫铝几何参数对填充式结构防护性能影响的数值模拟

 泡沫铝是一种新型航天器防护材料,拥有良好的抵御空间碎片超高速撞击的特性。模仿泡沫金属的生产原理建立了泡沫金属细观结构几何模型,结合自编的光滑质点流体动力学(SPH)程序进行了超高速撞击数值模拟,研究了平均孔洞直径和孔隙率对填充泡沫铝结构防护性能的影响。结果表明平均孔洞直径对防护性能影响较大,总体而言平均孔洞直径越小则防护性能越好。孔隙率只在高速时才有较大影响,并且存在最优值。通过不同泡沫铝几何参数下碎片云特性的对比分析表明,使碎片云的法向动量越有效分散,结构的防护能力越强。     

基于抗差估计改进的GNSS/INS组合导航完好性监测方法

在卫星/惯性(GNSS/INS)组合导航系统中,针对基于残差检测的完好性监测算法对于缓变误差检测效果不佳,以及自主完好性监测外推(AIME)法存在检测时延的缺陷,提出了一种基于抗差估计改进的完好性监测方法.该方法在AIME法的基础上,通过定义标准化残差,引入三段权函数抗差估计对AIME法进行改进,并设计了一种调节准则,...     

新型民机维修成本目标有效性评估方法

将数据包络分析(DEA)的两阶段法扩展到了输入输出是模糊数的情况,并应用于新型民机的维修成本目标评估之中。应用时,新机与其类似机型将来的维修任务被视作决策单元,直接人工时费、直接材料费和间接维修费被视作模糊输入,遣派可靠度、可用座公里数和损失成本的倒数被视作模糊输出,经两个阶段的DEA分析之后,不仅能实现对维修成本目标的有效性评价,而且能实现对不合理目标的及时修正。经实际工程验证,该方法实用且有效。     

钛合金表面多孔TiO2制备及涂层结合强度改进

为了提高钛合金基体与Fe(吸波剂)/环氧涂层的结合强度,采用微弧氧化在钛合金表面制备一定厚度的二氧化钛多孔膜,之后浸涂Fe/环氧树脂涂料。分别研究了微弧氧化中电流、时间等实验参数对钛合金表面形貌和涂层结合强度的影响,并对所制备的氧化多孔膜在拉伸前后进行扫描电子显微镜(SEM)分析。结果表明:多孔TiO2膜的孔径随电流增大而减小,孔密度随电流增大而增大,随时间增加孔径增大,但时间不宜太长,涂层的结合强度随电流以及时间的增大都是先增大后减小,在3 A,4 min时达到最佳值33.62 MPa。     

飞机刹车系统动力模拟试验方法的探讨

针对飞机全天候起降的特性,提出了一系列地面动力模拟试验方法,更加真实地模拟飞机着陆时所处的各种跑道状态,为飞机着陆制动提供试验数据,从而提高飞机着陆的安全性和可靠性.     

电场的标定方法

介绍了球载双球式电场仪、微火箭电场仪和地面旋转式电场仪等3种仪器的标定方法.电场涉及空间物理、空间环境和雷电及地震等多种自然现象的特征参数,对电场的探测或监测应用日益广泛.在我国目前尚未建立电场的国家标准和军用标准的情况下,通过研制的较简易的电场标定系统,对不同结构的电场仪进行标定,均获得了与理论计算相符的结果,为电场测量数据的可信度提供了依据.      

基于样本错配训练的图像PRNU噪声提纯方法

基于传感器模式噪声的图像来源鉴别算法的关键在于如何获取高质量的光响应非均匀性（Photo-response non-uniformity, PRNU）噪声,目前大多数增强PRNU噪声质量的算法以及出于实际应用的目的对其压缩的算法几乎是在人工假设模型的基础上实现的。本文提出了一种基于样本错配训练的图像PRNU噪声提纯方法,该方法使用了深度堆叠自编码器网络,并设计了一种样本错配的技术对其进行训练。这种基于样本错配训练的端到端深度神经网络的使用有效避免了人工设计算法的局限性,对图像PRNU噪声进行了有效提纯,进而提升了其用于图像来源鉴别时的性能。在Dresden图像数据集上进行的比较实验结果表明,提纯后的PRNU噪声具有更好的性能。