复杂电磁环境中智能决策对抗技术的应用

当前雷达技术的发展突飞猛进,复杂的电磁环境已经是战场必须面对的现实情况,提出了一种可适应战场复杂电磁环境的智能干扰技术,主要从分选、干扰策略和干扰效能评估等方面讨论了整个智能对抗干扰的原理,对战场指挥决策有一定参考价值。     

传输/反射法测量复介电常数的三个方程研究

介绍了利用传输／反射参数测量复介电常数的三个方程。利用奇偶模方法分析传输线与二端口网络，得到传播常数与归一化特性阻抗的解析解。进而得到确定复介电常数的三个方程。利用这些方程仅用一次测量解决已有传输／反射法中存在的低损耗材料的厚度谐振问题、多值性问题及其它问题。讨论了利用这三个方程通过一次测量解决上述问题的方法并分析了这些方程的测量不确定度。最后给出了实验结果。     

应用遗传算法优化二元序列

介绍遗传算法优化的特点和具有良好非周期自相关特性的二元序列的概念,讨论用遗传算法优化二元序列的方法。通过实验发现,在采用遗传算法优化二元序列时引入最优个体保存策略和调整运行参数可以取得较好的效果,亦即此方法是可行的;但同时也发现该方法难以收敛到全局最优解。     

银河仿真Ⅱ型机一体化软件支撑系统的图形生成与分析处理

对一体化软件支撑系统的图形生成与分析子系统的功能、设计原则及设计思想进行了介绍，并详细介绍了该子系统的实现方法。该子系统为用户建立了方便、灵活、有效的仿真结果分析处理环境。把仿真中产生的结果数据变为直观的图形曲线，并提供了常用的分析处理手段。     

四边形全天自主星图识别算法

讨论了一种新的无须任何先验知识的星图识别算法。该算法将四边形星图模式分解为两个具有公共边的三角形模式，使用三角形模式的特征，在保证自满计算量和星载星表的存储容量的前提下，使算法的识别成功率得以星著提高。Ｍｏｎｔｅ Ｃａｒｌｏ实验表明，在星等误差０．５星等（３σ），位置误差１０角秒（１σ）时，该算法的识别成功率接近１００％。     

液氮贮箱自增压实验与数值仿真

为研究低温推进剂在常温下的自增压过程,设计了以液氮为模拟介质可视化低温玻璃贮箱自增压实验系统,研究了自增压过程压力和温度的变化规律及体积充填率对压力和温度变化的影响。实验结果表明：气枕区和液体区存在显著的轴向温度分层,液体区温度的上升速率低于压力引起饱和温度的上升速率。压力上升分为有典型意义的三段：初始段、过渡段和稳定段,稳定段的压力上升速率随体积充填率增加而增加。液体区的对流运动在自增压过程受到抑制,气液界面逐渐进入准静止状态。并以实验测得温度作为边界条件,采用流体体积（VOF）模型对整个自增压过程进行了175 s的数值仿真。仿真得到的压力曲线变化规律与实验结果基本一致,稳定段的压力上升速率是实验值的1.58倍。本文得到的自增压物理参数变化规律,为低温推进剂的贮存和贮箱的热防护设计提供参考。     

多径效应对机载干涉仪天线的影响及措施分析

干涉仪测向是一种具有较高测量精度的测向方法,广泛应用于机载无源探测系统。由于装机后机体和天线相互作用,导致天线的电性能参数变化较大,因此需要在装机条件下对天线的幅度和相位进行校准。限于实际测试条件,通常需要在地面进行实验,而地面的多径效应对校准有较大影响。分析了多径效应对干涉仪天线阵幅度和通道间相位差的影响,并和实验结果进行了验证对比。分析表明在反射点位置放置吸波材料可有效降低多径效应的影响。     

激光跟踪仪在交会对接微波雷达多径试验中的应用

交会对接微波雷达多径试验是在地面模拟两个飞行器在轨交会对接过程中由舱体表面及遮挡对微波信号造成反射干扰的一种试验,其目的是验证激光雷达系统功能及安装位置的合理性。在近20 m远的距离上,对飞行器舱体上的微波雷达天线和微波应答天线进行角度及距离的精确测量。文章通过对试验环境、测量项目分析及不同精测方案比对,采用激光跟踪仪直接测量舱体结构,获得了准确的基准数据,有助于指导微波雷达在飞船轨道舱上的精确安装和提高交会对接微波雷达多径试验的精度。激光跟踪仪首次应用于交会对接微波雷达多径试验,相比经纬仪在航天器基准测量中具有更大的优势。     

具有复杂围护结构光学窗口的传热特性分析

针对具有复杂围护结构光学窗口传热特性,建立了高热流作用下的光学窗口及其复杂围护结构的辐射-导热传热模型,分别讨论了窗口的辐射半透明、光谱选择性、外部加热热流以及窗口尺寸对其瞬态温度响应的影响。结果表明,忽略窗口半透明特征会产生最大31.4%误差,忽略光谱选择性会产生最大40.4%误差;窗口外部气动加热热流影响显著,温度响应随热流的增大而急剧增大;窗口厚度对其传热特性的影响较大,随着厚度的增大窗口温度响应减小;而窗口半径产生的影响可忽略不计。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。