临近空间高超声速武器发展趋势

首先介绍了临近空间高超声速武器研究的历程,然后重点分析了当前军事强国临近空间高超声速武器的发展思路和正在进行的项目。根据目前高超声速武器的现状,着重剖析了其关键技术。最后,对高超声速武器的未来发展前景及其战略意义进行了展望。     

基于场景控制特征的安全性需求分析方法

安全性需求是系统安全性保证的关键。随着系统复杂度和耦合度的剧增,安全性需求的分析提取日益困难。通过对系统需求场景的控制结构和过程分析建模,提出描述控制过程中系统变量间关系的变量影响图模型,进一步给出了安全性需求分析方法。通过该方法,使用变量影响图等对控制过程进行分析,生成基于系统理论事故模型和过程（STAMP）的危险性控制活动,并以此获得系统安全性需求。经实验验证,所提出的安全性需求分析方法在正确性和一致性方面具有较好的效果。      

基于虚拟仪器的真空度现场测试系统

真空度现场测试系统测量范围为（1×10⁵~2×10^-9）Pa。文章介绍了该系统的硬件构成和工作原理。该系统硬件部分主要包括电容薄膜真空计、标准电离真空计、分离规和法兰转换套件。基于美国NI公司的Labview软件开发平台,结合日常型号服务的热真空试验设备和其它真空设备的测试需求,开发了真空度现场测试软件。软件以模块化思想为基础,可根据不同的测试要求选择相应的测试标准,进而实现数据自动处理,报告自动生成。     

传感器对后支承机匣系统动力特性的影响

某发动机在工厂台架试车过程中,要求严格控制发动机振动量,用速度计监测整机振动水平。由于工厂实际条件限制,需改用加速度计作为测振传感器。结果发现原合格发动机的振动量,却大大超过规范要求。 发动机的振动水平及其转子动力学特性与其支承系统的动力特性密切相关。近年来,国内外都十分重视对支承系统动力特性的研究。      

Glare层板基本成形性能研究与实验验证

为了探索Glare层板的成形性能特点,采用单向拉伸实验和三点弯曲实验,分析研究了Glare 2A,Glare 2B和Glare 3层板的基本成形性能,并借助扫描电子显微镜分析了Glare层板的失效特征。结果表明:纤维铺层方向对材料的成形性能存在显著影响,Glare 2A层板抵抗塑性变形的能力强,且难以发生厚向变形:采用σ=σy+Kεn硬化模型拟合真实应力-应变曲线,其相关系数最大,拟合结果最好:Glare 2A的弯曲回弹量最大,其弯曲破坏时,内表层受压应力,以皱缩和压缩断裂为主,外表层受拉应力,以纤维拉伸断裂和分层为主;对于Glare 2B层板,其弯曲回弹量最小,主要以基体破坏为主:通过滚弯成形验证了实验所得结果的准确性。     

用铬天青S分光光度法测定铍青铜中的铍

论述了利用铬天青S与铍在pH9．7的酸度条件下所形成的二元络合物来测定铍青铜中铍的方法。确定了方法条件及共存离子的影响,λmax为490nm,铍含量在0μg／mL～1．0μg/mL范围内,络合物吸光度严格呈二次曲线,铍含量0．5μg／mL时表观摩尔吸光系数ε为3．8×10^4L·mol^-1·cm^-1,回收率为98．4％～100．9％。     

五十载话旧诉衷肠——田名誉、陈钟禄两友谈经历

钟禄兄:五十年来,人老矣!许多少年时代的生活都淡忘了,据来函所说,我们在震旦,扬中及交大都是同学,可谓老同学矣!但由于人世沉浮、桑沧多变.旧梦难寻.1947年我在上海交大航空系只读了一年,后即转到土木系,1952年在浙江大学当助教,一年后院系调整到上海同济大学,1955年为全国第一个博士考试,1956年赴苏进修,惜因中苏关系突变而未果.1960年受迫害举家进疆,十一届三中全会后,为新疆自治区政府指定到新疆工学院任建筑工程系主任,成了知名教授,80年代在昆明、西宁、兰州、西安、上海、北     

计算机技术在先进复合材料研究中的应用

从复合材料数据库、基体配方优化及成形工艺模拟监控三个方面综述了计算机技术在先进复合材料研究中的应用，并就目前国内计算机技术在复合材料研究中的应用现状进行了分析，提出加快计算机技术在先进复合材料研究中的应用对于推进我国复合材料研究、发展应用水平有巨大促进作用。     

安装条件对后支承机匣系统动态特性的影响

本文采用机械阻抗测试方法,试验分析了某发动机的后支承安装条件,即螺栓拧紧力矩及配合间隙对支承机匣系统共振频率及位移导纳值的影响。试验结果表明,安装条件的影响局限在一定范围内。故在规范范围内,改变安装条件,可在一定程度上调整发动机的振动。     

基于残差SDE-Net的深度神经网络不确定性估计

神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题，一是在处理大规模数据集时，随着网络层次的增加会导致性能退化；二是SDE-Net在处理具有噪声或高丢失率的分布内数据所引起的偶然不确定性问题时性能较差。为此设计了一种残差SDE-Net(ResSDE-Net)，该模型采用了改进的残差网络(ResNets)中的残差块，并应用于SDE-Net以获得一致稳定性和更高的性能；针对具有噪声或高丢失率的分布内数据，引入具有平移等变性的卷积条件神经过程(ConvCNPs)进行数据修复，从而提高ResSDE-Net处理此类数据的性能。实验结果表明：ResSDE-Net在处理分布内和分布外的数据时获得了一致稳定的性能，并在丢失了70%像素的MNIST、CIFAR10及实拍的SVHN数据集上，仍然分别获得89.89%、65.22%和93.02%的平均准确率。