多种观测数据驱动的三维行星际太阳风MHD模拟

三维磁流体力学（MHD）数值模拟是行星际太阳风研究的重要手段.本文发展了一种由多种观测数据驱动的三维行星际太阳风MHD数值模型.模型的计算区域为0.1AU到1AU附近，使用Lax-Friedrich差分格式在六片网格系统中进行数值求解.边界条件中磁场使用GONG台站观测的光球磁图外推获得，密度通过LASCO观测的白光偏振亮度反演得到，速度根据以上两种观测数据并利用一种基于人工神经网络技术（ANN）的方法得到，温度通过自洽方法根据磁场和密度导出.利用该模型模拟了第2062卡灵顿周（CR2062）时期的行星际太阳风，模拟结果显示出丰富的观测特征，并与OMNI以及Ulysses的实际观测值符合得较好.该模型可用于提供接近真实的行星际太阳风，有助于提高空间天气预报的精度.      

基于IMU/FADS/无线电的火星上升器组合导航方案

以火星采样返回任务中火星表面上升为背景,研究了基于惯性测量单元（Inertial Measurement Unit, IMU）、嵌入式大气数据传感系统（Flush Air Data Sensing System, FADS）和无线电信标的组合导航方法。首先,在传统的IMU导航框架中加入由无线电测量获得的相对距离、速度信息,以及由FADS获取的动压、温度数据,建立了基于IMU、无线电和FADS的导航观测模型;然后,基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF）技术对测量信息进行了融合,并压制了过程噪声和测量噪声,从而对上升器的状态进行了联合估计;最后,在数值仿真中,将UKF与自适应无迹卡尔曼滤波（Adaptive Unscented Kalman Filter, AUKF）技术进行了对比,在比较不同滤波器性能的同时,验证了组合导航方法的有效性。     

腹支撑对具有大展弦比机翼和船尾形机身的飞机模型的于扰与修正

一种适用于具有大展弦比机翼和船尾形机身的飞机模型的腹部支撑方式、腹支装置的设计要求和试验方法、以及腹支撑干扰的机理在此作了介绍，并给出了一些实验结果和对实验数据的修正方法．     

对风洞实验数据精准度的要求

本文首先简述了风洞实验数据精确度对飞机性能的影响，然后，介绍了国内外风洞实验数据精确度标准，最后，给出了国内外风洞实验数据精确度与该标准的比较。     

数据融合的概念,方法及应用

以指挥、控制、通讯和情报（Ｃ＾３Ｉ）系统为背景，引出了当今迅速发展、日益受到各国工作者和国防部门关注与重视的数据融合技术的概念以及近２０年来的发展历程，详细介绍了实现数据融合的系统模型与系统构成，列出了在不同数据抽象级上进行数据融合的三个层次及其目前常用的数据融合方法。本文还就数据融合在军事上的应用作了较深入的讨论，同时指出了Ｃ＾３Ｉ系统的不断发展对数据融合技术提出了更新的要求以及高新技术的发展对     

1．2m和0．6m高速风洞飞机大攻角测力试验数据相关性研究

介绍飞机大攻角标模在高速所１．２ｍ和０．６ｍ风洞中进行大攻角测力试验研究所得数据与国外２．５ｍ和０．６ｍ风洞所得数据的相关研究情况。相关性研究的试验Ｍ数均为０．３５～０．８；两座０．６ｍ风洞试验攻角为０～２９°；侧滑角高速所为５°，国外为５°、１０°。１．２ｍ和２．５ｍ风洞的试验攻角为－３～４８°；侧滑角为５°、１０°。研究表明，该飞机模型在这四座风洞中吹风试验数据的相关性是好的。     

跨声速洞壁干扰研究述评

本文以近期国内外风洞试验结果说明了跨声速洞壁干扰研究的重要性，简述了国内外跨声速洞壁干扰修正方法，重点介绍了ＣＡＲＤＣ近年来在跨声速洞壁干扰研究方面的进展。最后，作者对国内的跨声速洞壁干扰研究提出了建议。     

一种面向工业互联网的云存储方法

工业互联网是工业信息化进程中最受关注的热点,海量异构数据管理是其中的重点之一。传统的关系数据库（RDB）对海量多源异构数据的读写和检索都存在性能瓶颈,而近年来兴起的云数据管理方法主要是针对“键-值”（K-V）模式,无法依靠主键以外的数据属性对数据进行快速查找。提出了一种面向工业互联网的云存储方法——StoreCDB,在异构采样数据统一表达数据模型基础上,实现非结构化存储管理,同时,利用两级索引实现海量数据的快速检索。通过实验,在分布式集群实验平台上,采用海量高铁列车运行模拟数据,验证了StoreCDB具有良好的异构数据存储和检索性能,为工业互联网提供了一种新的数据管理方法。      

基于随机相关的电子部件二元加速退化可靠性评估

针对加速应力下电子部件二元相关退化可靠性分析难题,提出一种基于随机相关的可靠性分析方法。采用考虑个体差异的Wiener过程模型建立边缘退化过程模型,并基于加速因子不变原则建立了模型参数与加速应力的关系;构建了基于Copula函数的随机相关模型,采用两阶段贝叶斯参数估计方法进行参数估计,综合运用散点图、偏差信息准则（DIC）值以及Kendall τ的非参数估计值等方法进行随机相关模型选择,并采用蒙特卡罗仿真方法进行可靠度计算。最后采用实例验证了所提方法有效性,为考虑个体差异的贮存可靠性评估提供了技术支撑。      

D-S证据理论在多传感器数据融合中的应用

近年来,许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很多算法,最常用的算法是贝叶斯决策检验法,国际上已提出将证据理论用于数据融合,但在这方面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ方法是对Ｂａｙｅｓ决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了Ｄ－Ｓ证据理论的数学性质,给出了可信度公理及Ｄ－Ｓ综合规则,并进行了计算机仿真实验,实验结果说明这种判决方法非常实用,用于数据融合算法非常有效