巨腾国际集团全面引入CimatronE解决方案

为工模具制造商和零部件制造商提供CAD/CAM集成解决方案的领导者Cimatron集团宣布:巨腾国际控股有限公司与思美创(北京)科技有限公司近日签署战略合作协议,巨腾国际将采用CimatronE解决方案,实现从数据转接、快速拆模、模具结构设计、电极设计、NC编程以及变更管理ECO的模具设计与制造全     

一种信道系数服从高斯分布的8PSK信号信噪比盲估计算法

信噪比（SNR,Signalto Noise Ratio）是衡量通信系统性能的重要指标。针对传统信噪比估计算法要求利用训练序列或一帧数据范周内信道系数恒定等问题,提出了一种8PSK信号在信道系数服从高斯分布的衰落信道下肯信噪比估计算法。该算法取接收信号实部或虚部数值运算构成中间观测量,理论分析8PSK信号经过衰落信道后...     

构建支撑行业发展的民航科学数据体系

民航科学数据作为民航科技、管理、生产活动产生的原始、基础和分析研究信息,具有巨大的价值。建立民航科学数据体系,实现民航科学数据共享,是民航科技创新体系建设的重要组成部分。本文在研究中国民航科学数据现状和需求基础上,提出了面向全民航的科学数据共享体系,并介绍了民航科学数据中心建设的进展状况。     

大气声衰减系数的修正方法

依据民航总局颁布的《航空器型号和适航合格审定噪声规定》（CCAR-36）中的相关条款,为满足噪声适航验证测试试验要求,结合大气声衰减系数随标准空气湿度、温度、气压等条件的变化现象讨论,对整个传声路径上大气声衰减系数进行了计算和分析,最终得到可用用于适航测试的大气声衰减系数修正公式。     

GE传感与检测科技在世界无损检测大会上展示创新技术

传感2与00检8测年科10技月在2世6界日无,G损E检测大会(WCNDT)1152号展台展出其在无损检测(NDT)解决方案领域最新的创新技术。本次GE展出的产品包括:(1)Phythm软件平台。Rhythm是一套集检测数据的采集、报告、检查以及存档功能于一身的软件平台。Rhythm的功能现已扩展到了超声波检测方面,     

B样条快速求值算法及其在曲线拟合中的应用

B样条方法是数据插值、拟合与平滑的重要方法。通过对de Boor-Cox算法计算路径的分析,给出了一种基于向量扩展的B样条基函数求值运算方法。分析表明,该方法具有并行计算结构和递推计算结构,利于计算机实现。同de Boor-Cox递推运算方法比,它能够同步计算出k次B样条的所有k＋1个非零函数值,运算效率提高了2k＋1倍。在最小二乘法B样条曲线拟合算法中的应用验证了本文算法的有效性。     

基于Kohonen网络的动目标实时定位融合算法

为完成对动目标的实时定位测量,有效减小测控装备组网测量实时跟踪定位误差,在建立多定位子系统组网混合式融合结构模型的基础上,利用Kohonen网络的自组织特征映射模型特点,确定各组交会数据的权值,并将其输入1个Kohonen网络进行在线竞争、融合求得目标的位置信息,增强了目标实时位置信息的连续性、完整性,减小了实时定位误差。     

简论风洞试验数据到飞行数据修正体系

通过对国内外“风洞试验与飞行相关性研究”成果的文献调研,简单归纳了从风洞试验数据到飞行数据的修正体系应包含的大致内容,并从工程实用的方面对雷诺数修正方法进行了介绍。     

湍流数据同化技术及应用

近年来数据同化（DA）被引入湍流动力学研究中,通过融合实验测量和数值计算,提高了实验测量的精度和广度,改善了数值模拟的预测性能。实验观测、预测模型和同化算法是数据同化的三要素,湍流研究中的实验观测包括热线风速仪、粒子图像测速法（PIV）、压力传感器等局部测量数据,预测模型主要指流动控制方程及湍流封闭方程,而同化算法包括贝叶斯推断、集合卡尔曼滤波（EnKF）、伴随等。稳态数据同化一般结合雷诺平均Navier-Stokes （RANS）模型方程,从重新标定模型常数、修正涡黏模型方程形式误差、修正雷诺应力项等方面着手。非稳态的数据同化一般包括四维变分（4DVar）等时间连续的数据同化方式以及顺序数据同化。4DVar通过时间正向和逆向积分迭代,存储量和计算量都非常大。顺序数据同化不需要时间逆向积分,可以在若干时刻对实验观测进行间断地植入,正向求解整个系统。另外,随着人工智能的飞速发展,湍流数据同化研究也向智能化迈进。对于纯数据驱动的湍流机器学习,其缺乏物理本质的约束,而基于物理信息的机器学习在物理本质上与数据同化是一致的。     

基于卡尔曼滤波的翼型表面压力实时重构方法

为实现基于稀疏数据的翼型表面压力实时重构,提出了一种基于压缩感知与卡尔曼滤波器的数据融合方法,该方法主要包括线下建立数据库和线上实时感知两部分。首先,在线下通过粒子图像测速技术、压敏漆、计算流体力学等方法对翼型表面压力进行全场采样,并采用本征正交分解对所测得的全场压力数据进行降维,建立含有主导相干流动结构的模态数据库以及各模态时间系数之间的状态转换关系。其次,在线上基于压缩感知,利用离散压力传感器所测量数据与压力场主导模态,通过求解L₁范数下的最优化问题,对各主导模态的时间系数进行初步求解。最后,将线下所得各模态时间系数之间的状态转换关系放入卡尔曼滤波器,作为其系统模型进行预测;将线上所求得各模态时间系数放入卡尔曼滤波器,作为其观测值进行校正。以CFD模拟翼型压力作为验证数据,对该方法的性能进行评估,结果显示：该方法与仅采用压缩感知进行重构对比,升力重构误差从18.15%减小至6.39%。