充气展开自支撑臂振动模态分析

充气展开自支撑臂是由层合铝膜和离散自支撑壳组成,可在无充气压力下实现对有效载荷的支撑。为提高充气展开自支撑臂振动特性预测精度,首先,基于Timoshenko梁理论和哈密顿原理,推导了自支撑臂振动微分方程,提出了考虑充气压力的预应力和构型变化的梁单元模型。该单元模型考虑了结构自支撑壳的离散分布特性,使建立的质量矩阵更接近自支撑臂结构的真实值。然后,通过实验对该模型进行验证,结果表明本文方法比传统梁单元模型具有更好的精度。最后,分析了充气压力和自支撑壳宽度等参数对自支撑臂结构振动模态的影响规律,结果可为充气展开自支撑臂的设计提供理论参考。      

基于半监督集成学习的多核设计空间探索

随着处理器的系统结构日趋复杂,设计空间呈指数式增长,并且软件模拟技术极为费时,成为处理器设计的重要挑战。提出了一种结合集成学习和半监督学习技术的高效设计空间探索方法。具体而言,该方法包括2个阶段:使用均匀随机采样方法从处理器设计空间中选择一小组具有代表性的设计点,通过模拟获得性能响应,从而组成训练数据集;提出基于半监督学习的AdaBoost（SSLBoost）模型预测未模拟的样本配置的响应,从而搜索最优的处理器设计配置。实验结果表明,与现有的基于人工神经网络和支持向量机（SVM）的有监督预测模型相比,SSLBoost模型能够使用更少的模拟样本构建出不差于现有方法性能的预测模型;而当模拟样本数量相同时,SSLBoost模型的预测精度更高。      

航天器控制的现状与未来

航天器控制技术是决定航天器发展水平的关键技术之一.针对不同航天活动对航天器控制的特殊要求,分析了高性能卫星、载人航天器、月球探测器和深空探测器等航天器控制的现状.杨嘉墀院士指出航天器控制必将走向智能自主控制之路.进一步提出,航天器智能自主控制应秉承"理论方法、系统结构、器部件要同步研究"的思想和方法.从目前应用情况看,北京控制工程研究所提出的基于特征模型的智能自适应控制方法是大有前途的方法.     

HLLC方法在三维非结构网格上的应用

以三维非结构网格的显式有限体积法为基础，采用格心方法以及基于近似黎曼解的二阶精度Godonov扩展方法求解三维Euler方程，使用HLLC(Harten，Lax，van Leer,Contact)近似黎曼解的方法计算网格单元边界处的守恒量通量。为了验证方法的可行性，利用三维解算器对NACA0012翼型绕流进行了数值计算，结果令人满意。在此基础上对某型弹的流场进行了数值模拟，取得了比较好的结果。     

底部排气法的减阻特性及在超声速导弹上的应用

采用数值模拟试验的方法较为系统地研究了底部排气减阻中气流的排出方式、流量消耗率、排气孔孔径和排气孔的收敛或扩张角等因素对底部阻力的影响，并将排气减阻的贡献分解为排气冲量和底部压强两部分进行了分析。本文首次将底部排气法应用于导弹上，结合一种具有常规气动布局的超声速导弹进行了底部排气方案设计，采用一种“底窝器”来提高进气道整流罩的底部压强，并进行了风洞实验验证。数值模拟发现，研究范围内流量消耗率的增加、排气孔位置的外移、开孔数目的增加以及开孔率的增加均能明显改善其减阻效果，但其各自的机理不同。前者主要依靠排气冲量的增加，而后三者则主要提高底部压强。风洞实验结果表明，“底窝器”能够明显降低全弹阻力系数，使全弹阻力系数下降2％～3％。     

飞机结构腐蚀搭接件应力应变分析

通过对一架退役飞机分解检查，发现搭接件外表面光滑，而搭接面腐蚀很严重。利用三维有限元法定性地分析腐蚀产物膨胀作用的“垫枕效应”，得到了蒙皮板的应力应变的分布情况，确定了疲劳裂纹可能的形成位置，讨论了孔蚀对搭接件蒙皮应力应变分布的影响。     

针对未来大运载火箭的缩比模型动特性仿真研究

本文针对未来发展的大型运载火箭所面临的全新振动特性问题，简要介绍了国外先进的技术水平，给出了动力学缩比模型的相似关系，进行了1／10缩比模型的试验及计算仿真探索，提出了本研究中发现的技术难点以及一些可行的解决途径。     

基于DICOM标准实现PACS的网络技术

医学数字影像传输(DICOM)标准是保证PACS成为全开放式系统的重要网络标准和协议。通过分析DICOM协议模型和利用TCP／IP协议，本文阐述了如何实现医学图像传输服务，并在实际中将其加以运用，编写了相应的DICOM网络应用程序。     

基于TC787的原动机仿真系统的设计

本文介绍了一种新型的基于TC787高性能移相触发集成电路的原动机仿真系统。该系统综合了原动机仿真系统数学模型已有的成果，采用新型的TC787高性能集成电路代替分立元件或KJ/KC系列集成电路进行移相触发，硬件线路大为简化。其静态和动态测试表明，系统能很好地实现对原型电动机各特性的仿真，且与模拟电路和KJ/KC系列集成电路的设计方案相比，整个系统的控制精度、可靠性和稳定性等大幅度提高，具有明显的优势。     

基于"SOM脸"的选择性单训练样本人脸识别

基于“SOM脸”计算模型提出一种新的人脸局部区域重要程度度量方法,并用于进行选择性单训练样本人脸识别。从机器人脸识别的角度,并未预先人为设定任何重要区域,而是通过学习来自动发现这些对机器而言相对重要的人脸区域,即包含类信息相对丰富的区域,并将其进行可视化。实验结果表明,在利用了人脸局部区域重要程度信息后,识别算法的性能和效率均得到提高;特别是仅选择人脸图像中若干部分重要的区域用于识别时．在提高识别效率的同时．识别性能来见明显下降。