固体火箭发动机／导弹一体化设计

以某一两级固体地—空导弹作为算例,研究了固体火箭发动机/导弹一体化设计问题。研究以导弹起飞质量最轻和可用过载最大为目标建立了目标函数,利用优化理论完成了7个设计变量的优化设计。优化结果表明,所建立的数学模型是正确的。     

近距鸭翼高度对鸭翼－前掠翼布局纵向气动特性影响的实验研究

前掠翼布局由于其潜在的优越性,在未来战斗机的研究设计中将占有日益重要的地位.本文通过风洞测力实验,研究了近距鸭翼相对于前掠主机翼的高度对布局纵向气动性能的影响.实验结果表明:随着主机翼前掠角的增大,近距鸭翼布置高度逐渐增加可获得较好的气动特性.     

一种等离子体卡塞格仑抛物面隐身天线的设计

研究等离子体卡塞格仑抛物面隐身天线一体化设计的关键性问题。根据双反射面天线的经典理论设计公式得出卡塞格仑抛物面天线的设计参数,仿真计算传统卡塞格仑抛物面天线及等离子体卡塞格仑抛物面天线的辐射特性和散射特性。研究结果表明,等离子体卡塞格仑抛物面天线具有和传统金属反射体卡塞格仑抛物面天线一样的辐射性能,同时由于等离子体产生和消失的可控性,不工作时就只有介质外壳,具有极低的RCS,从而大大提高了反射面天线的隐身性能。     

计算大型实对称特征问题的 Lanczos-QR 算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向量ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍＴ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。然后,修改初始迭代向量ｖ１。迭代地重新开始这一过程,迫使初始迭代向量ｖ１进入需求的特征子空间,从而使残量‖Ｋｘ－θＭｘ‖→０。数值例子表明,该方法收敛性强,且稳定、有效。     

运载火箭发射过程效能评估方法研究

论述了效能评估模型及一般分析方法 ,确定了定量和定性分析相结合的运载火箭发射过程评估方案 ,阐述了运载火箭发射过程效能评估的多指标综合评价方法 ,应用层次分析法建立了评估模型 ,规划了评估体系。论文最后给出的部分仿真结果描述了系统总体效能和设施设备工作情况及重要度之间的关系 ,这种关系是符合工程实际的。     

气动外形多点优化设计研究

将优化方法中的遗传算法与高精度的CFD分析方法相结合,并将其引入到气动优化设计中.在引入实数编码机制的基础上,将遗传算法与线性加权和法结合在一起,建立了可以处理多目标优化设计问题的遗传优化模型,并应用该方法进行了翼型的多点气动外形优化设计.设计实践表明,该方法是可行的.     

FC-AE-1553网络的“并发交换式”动态带宽调度机制

为提高航天航空网络传输性能,针对低轨空间舱内有效载荷系统的特点及有效载荷系统数据传输的要求,将空间有效载荷系统的数据分为周期性业务、突发性业务及强时效性业务3种业务类型,并综合分析3种业务特征,提出了一种可应用于FC-AE-1553网络的“并发交换式”动态带宽调度（DBA）机制,即突发性业务传输采用“并发交换式”的动态带宽分配,周期性业务采用静态固定带宽分配,强时效性业务采用抢占式带宽分配的方案。采用理论分析和仿真验证的方式分析了该调度机制的可行性,并通过OPNET仿真软件建立了FC-AE-1553网络仿真平台。结果表明,相比FC-AE-1553网络传统的“总线式”调度机制,所提机制可将FC-AE-1553网络的吞吐量提高10倍以上,且当网络节点数为32时,FC-AE-1553网络的吞吐量可从2.8 Gb/s提高到46 Gb/s,突发性业务的平均时延可降低1个数量级。      

一种非线性飞行控制律评估方法研究

研究了一种基于改进遗传算法的非线性评估方法。将非线性准则转换成简单的适应度函数,通过寻优找到最坏情况,在其基础上实现评估。仿真结果表明,该方法不仅能在各个飞行状态对飞行控制律进行非线性准则评估,而且能找出飞行包线内的最坏飞行状态,细化飞行包线,方法使用灵活,结果可靠。     

地球同步卫星BSR硅太阳电池阵输出功率衰减规律分析

长期受粒子辐照、紫外辐照等因素的影响,地球同步卫星的太阳电池阵输出功率会出现较为明显的衰减。这里选取某地球同步卫星使用的背表面反射(BSR)硅太阳电池阵为研究对象,采用光强因子和温度因子修正太阳电池阵的输出功率,使用局部加权回归散点平滑法(LOWESS)分析了其在设计寿命期间的输出功率衰减规律;同时基于LOWESS建立了预测模型,用于硅太阳电池阵超寿运行期间的功率预测。实测数据表明:本文构建的预测模型可以满足超寿地球同步卫星在轨管理使用需求。     

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。