计算跨声速机翼尾涡流自适应区域方法

本文利用自适应区域方法调节机翼后每个Ｔｒｅｆｆｔｚ平面上的计算域，使得尾涡对这个计算域边界的影响足够小，从而提高了计算的精度和时间。考虑到间断面的影响，在尾涡面上引入有旋项对流场进行计算。椭圆载荷机翼计算表明本文计算结果与经典Ｂｅｔｚ理论一致。用本文方法对某轰炸机进行了计算，计算结果已用于预计其实际飞行的尾涡面。     

信使号证实水星真有水

尽管暴露在太阳炙热的光芒下，作为太阳系最内侧的行星，微小的水星却很可能是大量冰原的家。 20年前，来自地球的雷达观测显示，在水星极地附近存在一些高反射的小型区域，这意味着冰的存在。如今，于今年3月便开始围绕水星运行的美国航宇局的信使号探测器已经证实，这些位于水星极地附近的、与雷达上的亮斑紧密吻合的陨石坑的底部几乎从未接收过任何太阳光。     

一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。     

蓝海·城市家,博采众长,成就建筑艺术

外师造外.占尽人间风华。力邀全美三大设计师事务所之一Perkins+Will(帕金斯威尔)总设计师Ralph E.Johnson亲自规划建筑方案。现代设计院、中建三局、深圳南利公司和第一太平戴维斯等强强联手,承载无限荣光与不凡。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

点融合系统在飞行训练中的应用初探

随着我国中低空域逐渐开放,空域布局愈加复杂,各类通航运行矛盾冲突明显。通航产业中架次与时间占比最大的训练飞行,因其运行繁杂,亟需提升空域容量,降低工作负荷,更新教学课程,适应市场需求。本文研究点融合系统,比对训练飞行困境,分析实施基础,对点融合技术在飞行训练中的运用进行初探,认为该技术的应用能优化空域结构,厘清飞行航迹,提升空域容量,缓解学生积压,减少燃油消耗,且已初步具备基础条件。后期还需从机载设备加装、程序设计优化、人员能力提升、运行监管体系搭建等方面加强建设,以满足点融合系统运行所需。     

国家中心城市:推进、成效及评述

建设国家中心城市,是完善我国城镇体系、促进区域协调发展、提升特大中心城市辐射力带动力、赢得全球城市竞争的重要举措。截止到2018年底,先后有9个城市被明确定位为国家中心城市。从打造交通信息枢纽、完善产业体系、培育创新优势、优化空间格局、提升国际化水平、改善功能品质等方面而言,这9个城市在推进国家中心城市建设实践过程中具有一些共性特点。这些城市从定位到建设都体现出明显的国家战略意蕴,他们要以承担国家建设功能为共同指向,同时还要体现各自特色以及新的发展理念和发展要求。     

RFI工艺成型两种环氧树脂基复合材料性能比较

采用RFI工艺分别成型了648和5228A环氧树脂基复合材料层合板,其增强材料为碳纤维无屈曲织物,铺层方式为[(0,90)/( 45)]s;测试了两组层舍板的拉伸性能、弯曲性能和层间剪切性能并做了比较分析;对破坏形式和机理进行了探讨.结果表明:5228A相对于648环氧树脂膜有较宽的低黏度区域,较长的凝胶时间;5228A与648层合板相比,拉伸强度高106%,拉伸模量、泊松比接近;弯曲强度高58%,弯曲模量高16%;层间剪切强度高62%.     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。