等离子体加速器动力学理论探索

等离子体驱动微小碎片加速器是利用大容量脉冲电容器组对等离子体同轴枪放电产生高温、高密度、高速等离子体,再用这些等离子体加速微粒（10～1 000 μm）至超高速（1～15 km/s）以模拟mm级以下空间碎片撞击效应的地面试验装置。为了提高微粒速度,需要增加等离子体的动量,而等离子体的动量与工作气体的性质及定向速度密切相关。文章用数值模拟及解析计算等理论方法来探索等离子体轴向速度、密度和温度与放电条件、加速电极参数和工作气体之间的关系。通过研究等离子体束与微粒间相互作用的动力学行为,寻求优化试验装置效率的有效途径。     

基于TDDM的BOC调制信号伪码同步算法的研究

BOC调制技术以其独有的裂谱特性在实现信号频段共用的基础上,不断推动着卫星导航技术的发展。然而,新的TDDM机理的应用对实现BOC调制信号伪码高效同步提出了挑战。为此,在深入研究BOC信号同步的基础上,提出了一种新的基于成功捕获比例峰值判决门限和待调整峰比约束门限的TDDM伪码同步捕获判决方法,建立了基于TDDM的BOC调制信号捕获与跟踪的伪码同步算法。进一步,通过仿真实验,验证了新的伪码同步算法的合理和有效性。     

EB-PVD方法制备热障涂层热循环性能研究

采用电子束物理气相沉积(EB-PVD)技术在不同基体预热温度条件下制备NiCoCrAlY粘结层和氧化钇部分稳定的氧化锆面层。对样品进行了热循环试验。观察热循环过程中热障涂层显微结构的变化并分析了连续恒温氧化与热循环氧化间的差异,提出了EB-PVD热障涂层热循环的失效机理。     

数字变频控制点火装置分析

为了解决发动机在恶劣工作环境下点火困难和易熄灭的问题,采用数字电路控制放电频率、固态开关控制放电输出,研制了一种数字变频固态点火装置,该点火装置能够在10～30 V直流宽电压范围内稳定输出,放电频率启动时为6Hz、启动后自动变换为1 Hz,具有放电火花持续时间长和长时持续工作等优点。所研制的点火装置是国内首台已成功装机应用的具备变频连续点火能力的数字点火装置,自应用以来,故障率明显低于现有点火装置,能够满足地面启动、空中启动和高原等复杂气候环境下的高可靠点火工作。     

基于深度学习的雷达目标识别算法评估系统设计

在雷达成像装备试验中,传统真实场景测试方法构建难度大、场景有限、试验风险高,急需解决目标识别算法测试不充分、评估不全面的问题本文针对现有问题设计了一套目标识别算法测试系统,可提供合成孔径雷达图像和逆合成孔径雷达图像的处理、标注以及目标识别算法的自动运行、环境配置、性能评估等功能。相较于传统的试验方法,该系统具备成本低、试验时间短、可控性强、可扩展等优点。     

挠性航天器动态输出反馈控制中的“溢出”管制方法

研究挠性空间飞行器控制系统鲁棒设计的动态输出反馈控制系统中的“溢出”管制问题,给出了抑制“溢出”的正交空间法和参数优化方法,而且通过在设计指标中引入对“溢出”的管制项,使控制系统最佳设计和“溢出”管制结合起来,达到了减少“溢出”,改善系统鲁棒性的目的。     

图象识别法在磁暴预报中的应用

本文将所研究的全部太阳和地球物理资料时间划分为442个时间段,其中前195段为“下降期”,后247段为“低年期”.按一定的选暴标准将其分为有磁暴时间段“D”和无磁暴时间段“N”.以表的形式提出与磁暴的发生有一定相关的12个物理先兆.利用计算机进行“D”和“N”的识别.结果表明:1)在“下降期”中,综合耀斑指数CFI≥6、持续时间大于10分钟的IV型射电爆发和行星际磁场的扇形边界过地球等现象,是引起磁暴发生的主要原因;2)在“低年期”,当太阳上的耀斑及其相关活动现象不发生时,产生磁暴的主要条件是反映27天重现性的太阳活动源(冕洞发出的高速流)和行星际磁场的扇形边界过地球等先兆;3)在“试验时段”内,“D”和“N”类识别的识别率为73—82%,在“预报时段”内用此图象识别法识别率为73—80%,误识率均不大于30%.用多组阈值(K)进行了正交设计试验,并经过“显著性”检验,本方法成功率的置信度大于97.5%.      

无轴向通流对转轴间的流动与传热特性

为研究航空发动机对转轴间的流动与换热,建立了无轴向通流的对转环腔湍流边界层的修正卡门三层结构速度分布模型。基于该速度分布模型并依据动量传递与热量传递的比拟理论,推导了外轴内壁面换热努塞尔数的表达式及准则关系式。与CFD数值计算的速度分布、外轴内壁面换热努塞尔数进行对比验证,结果表明,对转环腔湍流边界层的修正卡门三层结构模型给出了一致的速度分布和换热规律。理论与CFD计算得到的外轴内壁面换热努赛尔数在低旋转雷诺数下符合较好,高旋转雷诺数下偏离不超过20%。     

基于级联注意力机制的孪生网络视觉跟踪算法

针对全卷积孪生网络（SiamFC）在相似物体干扰及目标发生大尺度外观变化时容易跟踪失败的问题,提出了一种基于级联注意力机制的孪生网络视觉跟踪算法。首先,在网络的最后一层加入非局部注意力模块,从空间维度得到关于目标区域的自注意特征图,并与最后一层特征进行相加运算。其次,考虑到不同通道特征对不同目标和各类场景的响应差异,引入通道注意力模块实现对特征通道的重要性选择。为了进一步提高跟踪的鲁棒性,将其与SiamFC算法进行加权融合,得到最终的响应图。最后,将提出的孪生网络模型在GOT10k和VID数据集上进行联合训练,进一步提升模型的表达力与判别力。实验结果表明:所提算法相比于SiamFC,在跟踪精度上提高了9.3%,在成功率上提高了5.4%。