空域管理和评估系统中空域辅助系统的设计

研究了空域辅助设计系统的设计方法,其目的是能够在给定的环境中由计算机实现信息采集、处理,通过与用户的交互,自动完成飞行程序设计工作。     

空中交通管制员工作任务分析

简要说明了管制员工作任务分析的意义和重要性,介绍了管制员综合工作任务分析的方法,并以实际管制单位的管制员为研究对象,确定了管制工作中10大工作任务以及任务间的相互关系,最后对每个任务进行详细分析,构建了管制员10大任务模型。     

一种基于幂级数函数的混合域基函数的收敛性分析

为提高计算效率,以一种基于双线性四边形模拟物体形状的幂级数函数为混合域基函数,用伽列金矩量法(MOM)对电中、小尺寸金属散射体的雷达散射截面(RCS)进行计算。分析了幂数级函数阶数M与其收敛性的关系。对二面角、矩形平板、等边三角形平板和圆柱等不同目标的单站或双站RCS计算结果表明,在此特定条件下M=3时该算法计算值与文献结果较为吻合,计算速度和精度均可满足仿真要求。     

基于WTP法的旅游扶贫社会绩效评价研究——以德夯苗寨为例

德夯旅游扶贫快速发展的同时,也为德夯社会环境带来了明显的压力,对德夯旅游扶贫社会绩效经济价值评价具有重要现实意义。采用WTP法对德夯苗寨旅游扶贫社会绩效经济价值进行评价。从评价结果看,WTP平均值为31.99元/人,每年总经济价值WTP为11 195.27元。评价结果表明德夯苗寨旅游扶贫社会绩效经济价值为11 195.27元。     

基于导重法的自重载荷下悬臂梁结构拓扑优化

针对自重载荷悬臂梁结构拓扑优化末端区域材料分布不收敛的问题，提出了一种拓扑优化方法。根据虚功相等原理，利用四节点矩形单元的形函数、单元体积密度和质量的关系建立了载荷等效方法。根据优化模型的Kuhn-Tucker条件推导出了导重准则，以及目标函数的灵敏度公式和考虑自重载荷拓扑优化的迭代算法。针对自重载荷作用下悬臂梁结构拓扑优化存在的末端区域材料分布模糊问题，研究了变密度法和非结构质量相结合的求解策略，揭示了典型因素对拓扑结构的影响规律。结果表明:所提方法能够解决自重载荷下悬臂梁末端区域材料分布模糊问题。      

基于双单片机结构的电子凸轮控制器的实现

本文介绍了一种适合两种旋转编码器、两开关量动作8路输出的电子式凸轮开关的设计方案。该控制器根据机械凸轮原理设计,以双单片结构为控制中心,对从旋转编码器输入其中的脉冲或编码进行数据采集和处理,将处理结果以开关电平的方式输出。该控制器可作为独立通用的控制单元与其它可编程控制器组合使用,使应用系统的开发工作量显著降低,适用于具有循环往复、顺序动作特点的机电一体化设备中。     

基于线性稳定性分析的翼尖涡摇摆机制

在涡不稳定性特征的影响下，翼尖涡会在尾迹中发生摇摆运动。为了揭示翼尖涡摇摆的本质原因以及发展机理，采用体视粒子图像测速（SPIV）技术和线性稳定性分析方法对不同雷诺数和迎角下NACA0015等直翼产生的翼尖涡在尾迹区的不稳定性特征及发展进行研究。结果表明：在1~6倍弦长的尾迹区内，翼尖涡存在摇摆现象，摇摆幅值随流向放大，且摇摆运动沿流向逐渐呈现出各向异性特征；在大迎角条件下，翼尖涡摇摆幅值随流向增长更快。采用线性稳定性分析方法，定量化分析翼尖涡的稳定性、空间/时间不稳定性放大率和扰动频率随流向的发展过程。结果显示，在雷诺数2.1×10⁵~3.5×10⁵范围内，翼尖涡均处于临界稳定状态，扰动频率为3~5 Hz。基于线性稳定性分析结果，发现在大迎角条件下翼尖涡时间/空间不稳定性放大率更大，解释了当迎角增大时翼尖涡摇摆幅值随流向增长更快的现象。另外，由线性稳定性分析得到的最不稳定模态显示翼尖涡的横向速度扰动具有明显的方向性，从而诱导翼尖涡产生摇摆运动；速度扰动方向的周期性变化则使翼尖涡摇摆区别于一维的随机振荡，而是表现为在各方向均含有分量且具有主频的摇摆运动。这种由不稳定性导致的速度扰动是翼尖涡摇摆的内在机制，其不稳定性放大率控制着摇摆幅值的增长速率，而其横向速度扰动的方向性与周期性则决定了翼尖涡的摇摆特征。     

高职英语听力教学应让学生先入为主

从建立语境的必要性、如何建立语境、建立语境带来的实效三方面阐述了高职英语听力教学中应让学生先人为主。     

压敏漆图像数据处理技术

针对压敏漆工程应用的迫切需求,开发了压敏漆图像数据处理软件.采用了两种图像配准方法,并对二者的配准效果进行了对比.介绍了两种图像数据三维还原方法,采用直接线性变换将二维图像坐标与模型空间坐标联系起来,得到了模型表面的真实压力分布数据.引用作者在超声速风洞中完成的三角翼模型压敏漆试验的部分结果,验证了图像数据处理程序的有效性.     

RBF神经网络在电气设备状态评估中的应用

以切比雪夫正交基函数(RBF)神经网络搭配教师模块作为电气设备状态评估的模型,通过对过去序列样本的学习,在考虑影响电气设备状态的各种因素的情况下用教师模块对学习过程进行监督,调整网络的权值,然后识别电气设备状态当前情况。结果表明该神经网络具有良好的识别能力、快速的收敛能力并可以应用于大规模的电气设备状态评估中。