线状多体系统定常气动力节段模型风洞测试

在风—车—桥耦合振动分析及具有独立式双层桥面的大跨桥梁风致振动分析中常需得到考虑相互气动影响的各构件的三分力系数。为进行线状多体系统定常气动力测试，在常规桥梁节段模型三分力测试装置的基础上研制了一种三分力分离装置——交叉滑槽系统。该系统利用环形滑槽和直线滑槽交叉点位置的变化来调整各测试构件问的相对几何关系，并能实现多构件的同轴转动，从而方便地进行不同迎角情况下的气动力的测试。最后，利用交叉滑槽系统对一具有双层桥面的钢管混凝土系杆拱桥在其上有车及无车情况下各构件的定常气动力进行了测试，试验结果表明：车辆的存在对上、下桥面的气动力有较明显的影响。     

一种新的时频分析方法

针对如何消除或者减弱时频分布中交叉项的影响 ,学者们提出了许多方法 ,如伪WV分布和RID分布等等。在分析了STFT和伪WV分布的基础上 ,从频域滤波的角度给出了一种新的时频分析方法 ,它能有效的消除或者减弱交叉项的影响。最后 ,通过仿真实例验证了该时频分析方法的有效性。     

基于DNN的飞机俯仰运动响应预测研究

针对人工智能的辨识方法在飞行器模型辨识应用中存在间接依赖数学模型以及泛化能力较低的局限性问题,基于深度学习思想,提出了一种新的数据处理方式,完成飞行器的系统模型辨识。首先,针对飞行器动态模型的特点,提出一种基于时序性的飞行数据处理方式;其次,采用交叉熵损失函数进一步优化深度神经网络;最后,针对飞行器纵向非线性模型进行仿真计算。仿真结果表明,训练好的模型成功提取了飞行器输入与输出之间的非线性映射关系,使得基于深度神经网络的飞行器模型能够对未知输入进行状态预测,克服了目前基于神经网络辨识算法的局限性。     

紧急撤离需要注意什么

1、撤离口的选定:根据机长指示和周围环境以及飞机着陆(水)的姿态,决定哪些出口可以用。2、逃离方向:陆地撤离应选择在风上侧,远离飞机至少100米以外;水上撤离选择风下侧,离开燃油区。3、撤离时间:陆地撤离时间为90秒;水上撤离一般为20分钟,最少13分钟。4、跳滑梯的姿势:正常人从滑梯撤离,应双臂平举,轻握拳头,或双手交叉抱臂,从舱内跳出落在梯内时手臂的位置不变。双腿及后脚跟紧贴梯面,收腹弯腰直到滑到梯底,站立跑开;抱小孩的旅客,把孩子抱在怀中,坐着滑下飞机。     

基于WGS-84模型的单星DOA定位算法

提出了一种单星无源测向交叉定位方法,该方法结合WGS-84地球模型,通过坐标旋转,利用视线交叉定位来确定地面固定辐射源的位置,系统复杂度低,且定位精度趋近于GDOP。仿真结果验证了该算法的可行性和有效性。     

北京一号小卫星多光谱遥感器交叉定标

北京一号小卫星是我国第一颗实用型对地观测小卫星。针对北京一号小卫星多光谱遥     

一种星载高相位中心稳定度双频GPS天线

介绍一种用于星载的变形十字交叉振子圆极化天线,通过对普通十字交叉振子天线进行改进,展宽了天线的工作带宽,使该天线能同时工作在GPS的L1和L2两个频率上。该天线结构简单,除了支撑材料外,整个天线由金属构成,易于满足星载的环境要求。该天线具有很高的相位中心稳定度,在要求的波束范围内天线的相位中心稳定度小于2mm,达到了国外同类产品的水平。仿真及实测结果表明,设计实用、可行。文中还研究了天线相位中心的测试方法和数据处理方法,并应用到实际测试中。     

解读新版安全“金科玉律”

<正>空中客车公司在安全理念上,提出了非常著名的"金科玉律",通过长期实践和大量运用,它已经成为了众多空客飞机飞行员的安全行为准则。其内容有八条:(1)驾驶本机型的方法与其他机型相同;(2)操纵飞机,导航,通讯—按此顺序;(3)任何时候都必须有一人监控飞机;(4)交叉检查飞行管理系统(FMS)的精度;(5)任何时候都要知道飞行模式信号牌(FMA)的显示;(6)当自动飞行不能达到预期目的,人工接管;(7)根据任务,正确使用自动设备;(8)执行机组分工并互相支持。随着新的飞行技术和设备的广泛使用,上述八条金科玉律已经不能准确、精炼地同     

佐治亚理工学院开展先进无人机交叉学科研究

<正> 人类仅仅依靠单一学科研究就能够获得重大发现的时代已经过去,现在重大的技术突破往往建立在交叉学科的研究基础之上。在航空航天领域,无人机系统的学科交叉研究情况尤为突出。     

基于自适应RVM的电子系统缓变故障预测方法

针对电子系统缓变故障的预测问题,提出一种自适应相关向量机(RVM, Relevance Vector Machine)方法.首先,对反映电子系统性能的参数序列进行相空间重构,建立RVM的输入输出对应关系;然后,将嵌入维数和核函数参数作为人工鱼位置,取留一交叉验证(LOOCV, Leave-One-Out Cross-Validation)误差的相反数作为目标函数,利用人工鱼群算法(AFSA, Artificial Fish Swarm Algorithm)实现方法参数的自适应优化选择;最后,通过雷达发射机高压电源与多注速调管的故障预测实验验证了方法的性能.实验结果表明:该方法在预测精度和预测可靠性方面优于现有方法.