超燃冲压发动机再生冷却热结构设计的计算工具

为分析在电弧加热器上进行的超燃冲压发动机再生冷却热结构试验的热交换,用了准三维的热分析工具和三维内流场CFD计算平台来作为分析工具.在换热计算及试验中用了水和煤油作为冷却剂,而且用煤油作为燃料.计算和试验结果吻合较好,表明换热分析工具和国内航空煤油物性表达式可以在深入的热结构试验和设计中应用.     

弹道折合的遗传主成分方法

制导工具误差折合是导弹精度评定中的重要问题,针对传统主成分方法中主要成分选择只考虑试验弹道的问题,提出了充分考虑试验弹道与全程弹道特点的主成分确定方法,并利用遗传算法确定最佳主成分子集。仿真计算表明,与最小二乘和经典主成分方法相比,遗传主成分算法获得的全程弹道遥外差与落点偏差更接近于真实值。     

支持自愈恢复的MPLS流量工程路由机制

提出基于策略和流量特征的约束路由算法,算法根据网络资源和流量分布特征,为不同流预先分配带宽,优化网络资源的使用.将显式路由计算和故障恢复机制相结合,设计和实现基于MPLS(Multi Protocol Label Switch)的故障恢复系统,提高MPLS网络的生存性.      

落管中双波长测温系统工作波长的优化设计

根据测量所要求的动态范围、线性度、灵敏度 ,通过数值计算得出落管中双波长温度测量中的工作波长及带宽的最佳范围 ,结合实际情况最终确定工作波长为 1 4 μm和 1 5 5 μm ,其带宽均为 0 0 3μm。     

RAT系统作动筒阻尼孔的设计与仿真技术

冲压空气涡轮（Ramjet air turbine,RAT）在紧急情况下释放能够为飞机提供所需的电能和液压动力,从而保证飞机安全。RAT系统能否在规定时间内顺利释放是保证飞机安全的关键,其释放速度主要靠作动筒的阻尼孔来控制,但是目前国内在RAT作动筒阻尼孔的设计方面缺乏研究。为此,利用仿真技术,开展了RAT系统作动筒阻尼孔的设计研究。首先根据RAT作动筒的结构和工作原理,使用AMESim建立了RAT作动筒模型,并验证了模型的正确性。AMESim是一种基于物理模型的建模仿真平台,其中包含液压元件设计库、动力传动库等,在液压系统的建模仿真方面应用十分广泛。然后通过仿真试验,研究了阻尼孔的设计对RAT释放时间的影响规律及程度。最后,针对支线飞机和小型飞机的RAT释放时间要求（0.6~0.8 s）,对阻尼孔进行了最优设计,从而为RAT系统作动筒阻尼孔的设计工作提供支持。     

天线选择算法在MIMO系统中的应用比较

介绍了最佳选择、相关性选择和快速选择三种天线选择算法,并将三种算法在信道容量上进行了比较。结果表明,在信道状态、天线数量相同的前提下,三种算法相对于随机选择算法明显增加了MIMO系统容量,其中相关性选择算法在其算法复杂度上体现出的优越性更体现了其实用价值。     

国航开通上海浦东-兰州中川直达航线

近日,国航开通上海浦东机场至兰州中川机场直达航线,届时往返于两地间的广大旅客又多了一个新的出行选择。航线开通后,国航旅客可从兰州直飞至北京、上海、成都三个城市,每周共计53个航班,航线网络得到进一步完善。     

基于改进的FCM和信息熵修正的航迹融合算法

在局部航迹信息质量不均衡条件下,选择所有局部航迹进行航迹融合的算法会造成系统航迹质量下降。为了提高跟踪性能,提出了一种基于改进的模糊C均值(FCM)和信息熵修正的航迹融合算法。通过交互式多模型(IMM)滤波后的航迹信息对聚类数据做“质量”修正,改进后的FCM算法对局部航迹进行聚类分析,利用信息熵和隶属度对局部航迹进行选择和融合,达到修正聚类中心和提高系统航迹质量的效果。仿真结果表明：当多个传感器跟踪机动目标时,在传感器的观测精度发生变化和存在量测丢失的情况下,该算法的跟踪性能优于已知的航迹融合算法。     

缝隙宽度对频率选择表面透波特性的影响

从物理本质上分析了频率选择表面FSS(Frequency Selective Surfaces)单元的缝隙宽度对FSS平板透波特性的影响.FSS平板单元的缝隙越宽,则单元的谐振波长缩短就越多,谐振频率也随之升高.利用Floquet定理,计算分析了缝隙宽度对FSS平板透波特性的影响;采用蚀刻技术加工FSS平板小矩形缝隙单元.实验测试的结果表明,缝隙宽度变大时,谐振频率升高,同时,FSS平板的透波率和谐振带宽变大.实验数据与计算结果在误差允许的范围内基本一致.      

基于朴素贝叶斯K近邻的快速图像分类算法

朴素贝叶斯最近邻(NBNN)分类算法具有非特征量化和图像-类别度量方式的优点,但算法运行速度较慢,分类正确率较低.针对此问题,提出一种朴素贝叶斯K近邻分类算法,基于快速近似最近邻(FLANN)搜索特征的K近邻用于分类决策并去除背景信息对分类性能的影响;为了进一步提高算法的运行速度及减少算法的内存开销,采用特征选择的方式分别减少测试图像和训练图像集的特征数目,并尝试同时减少测试图像和训练图像集中的特征数目平衡分类正确率与分类时间之间的矛盾.该算法保留了原始NBNN算法的优点,无需参数学习的过程,实验结果验证了算法的正确性和有效性.