存在功率控制误差的多波束低轨卫星通信系统容量分析

传统的低轨卫星容量计算只采用单一的链路模型进行分析,忽视了同一地区链路可能存在不同状态的实际情况。采用二状态的马尔可夫信道链路模型,可以对农村地区的链路做出更准确的估计。考虑由于链路时延产生的功率控制误差,可使低轨卫星通信系统容量分析更贴近实际条件。     

某型轴流发动机气动不稳定试验

对某轴流式涡喷发动机节流过程中的气动不稳定现象进行了试验研究。通过定性分析和数据处理，揭示了节流过程中发动机气动失稳的过程和机理，压气机第1级静子机匣壁面静压脉动分量的形式和强度变化与上游转子端壁流动分离的程度密切相关，且静压脉动的概率密度函数分布可以反映这种变化。提出了一种检测失速征兆的新思路，即检测压气机第1级的流动分离，而不是直接检测出现在级负荷和轮毂比较高的压气机级中、导致压气机整机失速的模态扰动和(或)短周期扰动，来判断发动机工作点接近不稳定工作边界的程度。应用这种思路，预期可以提高失速征兆检测的时效性。     

垂直返回重复使用运载火箭技术分析

结合SpaceX公司近期进行的多次猎鹰火箭一子级垂直着陆返回技术试验,对比分析垂直返回重复使用运载火箭两种返回方式的工程应用价值。首先,建立运载火箭一子级动力返回段弹道设计动力学模型。随后,提出基于H-V飞行剖面分段返回弹道设计方法。然后针对“返回原场”（RTLS）和“不返回原场”(NRTLS)两种垂直返回方式,构建综合考虑上升段与返回段的推进剂耦合作用的一体化弹道优化设计策略。最后,通过数值仿真,对比分析了两种返回方式下的火箭运载能力。结果表明,采用“不返回原场”方式的运载能力损失仅占“返回原场”方式的一半,具有较好的工程应用价值。     

冲压发动机用轴对称进气道设计和试验

完成了一种Ma=2.5～4.0冲压发动机用超声速轴对称混合式进气道模型的设计,通过数值模拟和风洞试验,获得了马赫数Ma=2.5,3.0,3.5,4.0,攻角α=0°,3°,6°,8°条件下的超声速轴对称混合式进气道性能。试验结果表明,随着马赫数的增加,总压恢复系数大幅度下降,亚临界稳定范围变窄,流量系数逐渐增加;随着攻角的增大,总压恢复系数和流量系数总体都呈降低趋势,在Ma≥3.0,α=6°时,进气道性能的下降小于5%,亚临界稳定范围变窄。     

适用于连续数值标签的兴趣漂移增量学习方法

针对现有兴趣漂移增量学习方法大多针对包含二值数据标签的用户反馈进行学习的不足,提出了一种适用于连续数值标签反馈的兴趣漂移增量学习方法,以或然概念集的形式描述用户兴趣,将用户反馈中包含的数据标签视为用户对该实例的喜好概率,并采用基于指数近度加权平均的方法对兴趣模型进行增量学习.在不同学习任务下的实验结果表明,该方法能够在反馈数据标签为连续数值的条件下达到比现有方法更好的学习效果.     

基于相空间重构和神经网络的压气机机匣静压预测

建立了基于相空间重构和径向基神经网络的压气机机匣静压的预测模型。对试验数据进行相空间重构,分析其混沌特性,根据重构相空间的最小嵌入维数确定网络输入参数的个数,采用K均值聚类的方法优化网络的拓扑结构,根据时间序列的最大李亚普诺夫指数确定预测模型的最大有效预测步数,利用径向基神经网络的强大非线性映射能力,实现对时间序列的非线性预测,试验结果证明了该方法的有效性。该方法对压气机趋势监控具有一定的参考价值。      

基于等离子体激励的圆柱绕流控制实验研究

为验证低雷诺数条件下,采用大气压等离子体流动控制技术进行圆柱绕流控制的有效性,设计了圆柱绕流实验系统,并开展了圆柱绕流实验研究.实验研究表明,在雷诺数为1.35×104和1.90×104的条件下,等离子体激励器产生的流动扰动,能够有效控制圆柱体绕流的流动分离,并显著改善分离流场,增涡、减涡效果明显.实验结果表明,大气压等离子体流动控制技术是钝体绕流流动特性控制的一种有效手段.     

圆柱壳板非线性屈曲的分叉解

采用商用有限元分析软件MSC/Nastran,对两直边铰支、其余两边自由的各向同性圆柱壳板中心受横向集中载荷下的非线性屈曲和后屈曲过程进行了分析,简单地采用了不对称网格技术就可获得该基准问题的分叉屈曲解,计算得到分叉屈曲解的极限载荷比基准解极限载荷小10%左右。对采用了多种不对称网格划分得到的模型进行了分析,以研究不同网格划分对最终结果的影响。结果表明,虽然不对称网格技术十分简单,但是也有一定的局限性,文中给出了能得到分叉屈曲解的网格划分方法,还分析了类似的复合材料圆柱壳板问题。研究结果表明,即使采用对称网格划分也能够得到该问题的分叉屈曲解,并阐述了其原因。     

采用改进的CE/SE方法模拟方管中氢氧爆轰波的稳定传播结构

采用改进的时空守恒元/解元（CE/SE）格式和新型二步化学反应模型，对小扰动情况下方管通道中的氢氧气相爆轰传播过程进行了数值模拟，对不同截面尺寸和两种扰动模式下的爆轰波三波线结构进行了详细计算和分析。数值模拟花费了相对较少的计算代价，清晰地得到了方形截面通道中3种相对稳定的爆轰波传播结构，即直角模式、对角模式和螺旋模式。随着截面尺寸的减小，爆轰波胞格图样与波阵面结构随之产生适应性的变形，乃至出现胞格数目的减少和部分三波线的消失；最终，直角模式和对角模式都会转化为顺时针或逆时针的螺旋模式；临界尺寸下，得到了转换过程中新的过渡结构和压力脉冲振幅的变化，并以此初步讨论了直角和对角传播模式的稳定性。     

Classification of solar wind structures and intense geomagnetic storm alarms with self-organizing maps

Intense geomagnetic storms (D_st < −100 nT) usually occur when a large interplanetary duskward-electric field (with Ey > 5 mV m⁻¹) lasts for more than 3 h. In this article, a self-organizing map (SOM) neural network is used to recognize different patterns in the temporal variation of hourly averaged Ey data and to predict intense storms. The input parameters of SOM are the hourly averaged Ey data over 3 h. The output layer of the SOM has a total of 400 neurons. The hourly Ey data are calculated from solar wind data, which are provided by NSSDC OMNIWeb and ACE spacecraft and contain information on 143 intense storms and a fair number of moderate storms, weak storms and quiet periods between September 3, 1966 and June 30, 2002. Our results show that SOM is able to classify solar wind structures and therefore to give timely intense storm alarms. In our SOM, 21 neurons out of 400 are identified to be closely associated with the intense storms and they successfully predict 134 intense storms out of the 143 ones selected. In particular, there are 14 neurons for which, if one or more of them are present, the occurrence probability of intense storms is about 90%. In addition, several of these 14 neurons can predict big magnetic storm (D_st  −180 nT). In summary, our method achieves high accuracy in predicting intense geomagnetic storms and could be applied in space environment prediction.