腐朽中的无限古意

正提到残枝、落叶、老树皮,人们会情不自尽地想到悲秋,想到破落,甚至联想到生命的尽头,而张振华先生却以诗歌的思维、书法的语言、雕塑的手法、国画的意境,让残皮、落叶焕发出无限的生机与活力。品读张振华的70余件作品,你会发现残破的树皮、残破的树叶都被赋予了朦胧古意,使观众产生时光易逝,当惜妙阴的感慨     

《国际太空》理事会邀请函

为了顺应我国航天事业发展的需要,使与航天科学技术有关领导和专家更及时、准确、全面地了解国内外最新空间活动概况和各国空间技术的现状与特点及发展趋势,为我国的空间战略研究和型号研制提供有较高参考价值的信息,加     

中国宇航学会2011年学术年会征文通知

各有关单位:为了推进航天学术交流与研讨,繁荣学术思想,引领学科发展,促进航天技术发展与创新,中国宇航学会拟于2011年8月组织召开中国宇航学会2011年学术年会。     

柔性机翼阵风响应与被动减缓研究

高空长航时无人机的机翼展弦比大、柔性较强,飞行过程中极易受到阵风的影响。文章以几何精确本征理论建立结构模型,耦合 Pitt-Peters动力入流理论建立柔性机翼非线性气弹模型,研究了柔性机翼阵风响应以及翼尖被动阵风减缓效应。采用空间 -时间平行的有限元离散方法,将气弹方程转化为一阶微分代数方程,Newton-Raphson和 Generalized-α算法分别用于静态变形和动态响应的求解,通过算例研究了离散阵风载荷下柔性机翼的阵风响应,结果表明翼尖被动阵风减缓装置对机翼变形有明显的减缓效果。     

水下超声速射流对上浮水雷受力特性影响研究

固体火箭发动机具有功率密度大、推力大等优势,常被用于上浮水雷的推进器。然而发动机在水下工作时燃气射流使流场压力发生剧烈脉动,进而影响发动机的推力性能及上浮水雷的受力特性。基于VOF多相流模型和理想气体模型,建立了上浮水雷在不同工作状态(欠膨胀、完全膨胀、过膨胀)下的数值模型,研究了水下燃气喷射流对上浮水雷的受力特性影响。结果显示,欠膨胀工况时,发动机推力平缓,大小为12.2KN,上浮水雷受力未出现负值;完全膨胀时,射流发生颈缩、胀鼓现象位置距离雷体较远,导致发动机推力及水雷壳体受力振荡不剧烈;过膨胀工况时,射流发生颈缩、胀鼓现象距离喷管较近,发动机推力发生剧烈脉动,产生21.37%的振荡幅度,胀鼓现象发生时,流场压力显著降低使得上浮水雷后体受力减小,壳体阻力增大,上浮水雷最大产生27KN的负推力。     

F-35飞机全球备件保障模式研究

F-35飞机作为美国国防战略至关重要的组成部分,由于备件短缺及全球范围内管理和运输零备件困难导致飞机性能不能满足作战人员需求。本文系统分析了F-35飞机全球备件保障模式及备件保障网络构成,总结其面临的问题与挑战,并介绍未来国防部对F-35飞机全球备件模式的设计,为我军装备航材备件体系建设提供参考和借鉴。     

航空发动机适航审定喘振与失速影响因素

将气动热力基础理论与适航领域工程问题有机结合,对典型的喘振和失速影响因素开展了系统的研究,发展了一套多影响因素作用下航空发动机稳定裕度快速预估方法;在此基础上以JT9D发动机为研究对象,开展了喘振和失速主要影响因素的影响规律研究,结果显示对风扇部件稳定裕度影响权重最大的是进气畸变,对增压级和高压压气机影响权重最大的是寿命期内结构衰变。研究结果进一步明确了喘振和失速适航条款符合性验证活动的关键要素,完善了条款适航符合性验证流程,为进一步提升我国民用发动机适航审定能力提供了技术支撑。     

装备体系贡献率评估方法探究

未来装备必须坚持体系化发展,并通过贡献率评估明确在体系中的地位和作用。明确了装备体系贡献率的定义和评估意义,分析了定性评估法、基础技战术指标比较法、综合技战术指标灰靶比较法、基于装备体系的网络层次分析法、基于体系仿真及效能评估法等装备贡献率评估方法,并给出了灰靶比较法、网络层次分析法具体评估实例。同时,结合各评估方法特点,提出了网络层次分析法、体系仿真及效能评估法相结合的改进综合评估方法流程,实现装备体系贡献率的准确评估。     

考虑舵机时滞的阵风减缓主动控制律设计

针对存在舵机时滞环节的气动伺服弹性系统,提出基于Padé近似和线性二次高斯（LQG）控制的阵风减缓主动控制律设计方法。利用Padé近似将舵机中的时滞环节线性化为一个高阶传递函数并引入气动弹性模型,建立线性的阵风减缓受控模型;利用LQG控制方法对线性化模型设计阵风减缓主动控制系统,并采用平衡截断法对所设计的控制系统进行降阶;利用Simulink将所设计的控制系统引入非线性模型中,得到von Karman连续阵风激励情况下系统的开/闭环响应情况。计算结果表明:根据所提方法设计的阵风减缓主动控制律能有效降低原气动伺服弹性系统的阵风响应,对研究对象机身过载的抑制在15%左右,而对翼根弯矩的抑制达到25%以上。      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.