关于矩阵方程AXB=C

文章应用矩阵的初等变换等技巧，给出了任意域上矩阵方程AXB=C的有解条件、实用解法及通解。     

构造含结点旋转单元的坐标变换法

Ａｌｌｍａｎ提出了带角结点旋转的三角形单元及相应的四边形单元，法向位移的二次插值保证了该单元的精度，但带来了构成单元的复杂。本文把Ａｌｌｍａｎ单元看成是对一个有边中结点单元进行坐标变换的结果，大大提高了计算效率。     

结构模型修正中一种新的摄动方法

通常的振动方法是对质量矩阵和刚度矩阵的变化做同样幅度的小摄动，进而给出在这个小摄动下频率和振型向量的变化。文章导出了实际应用中质量矩阵和刚度矩阵的变化具有不同的幅度时，相应的频率和振型向量的改变值，算例表明新摄动方法具有更好的近似性和更广的应用范围。     

用于失谐叶盘动力学特性分析的减缩计算方法

提出了一种用于失谐叶盘动力学特性分析的减缩计算方法.该方法采用基于周期对称的谐波平衡法,建立非线性的迭代方程,能够基于单扇区的矩阵求解整个失谐叶盘的强迫响应,且不存在任何截断误差,因而效率高于部件模态综合法但精度并不降低.从周期对称结构理论出发给出了方法原理的数学推导,在此基础上通过一个失谐叶盘有限元模型算例对该方法的效率与精度进行了讨论.结果表明:相较部件模态综合法,周期对称谐波平衡法矩阵维度减小59.5%,计算复杂度减少93.4%,计算时间节省57.4%.     

基于Hankel矩阵填充的稀疏孔径ISAR成像

在稀疏孔径(SA)逆合成孔径雷达(ISAR)成像中,传统压缩感知(CS)方法使用稀疏信号处理来处理数据缺失下的成像问题。这类方法存在模型不匹配这一固有问题,在一定程度上会限制成像质量。提出了一种利用Hankel矩阵填充(HMC)的基于结构化稀疏ISAR成像方法。该方法是一种典型的无网格方法,可以有效地提高稀疏孔径ISAR成像性能。首先,建立ISAR稀疏孔径成像信号模型,根据每个距离单元的回波构造Hankel矩阵;其次,通过证明所构造Hankel矩阵的低秩性质,作为方位稀疏成像的先验信息约束;最后,通过逐步迭代求解基于增广拉格朗日乘子(ALM)的矩阵填充(MC)来实现重构方位维成像。提出的基于低秩约束的方法,可以避免过完备基的假设,有效地克服了CS方法的离网格效应。基于实测数据的实验分析,进一步验证了所提算法的有效性。     

基于约束最小冗余线阵与干扰对消的测向方法

针对有源干扰背景下信号源和干扰源的个数超过线阵的自由度而产生线阵饱和现象,提出一种将约束最小冗余线阵与干扰对消技术相结合的测向方法。通过将无源状态和有源状态下线阵输出数据的协方差矩阵进行对消运算去除有源干扰和噪声分量,并对约束最小冗余线阵的波达方向(DOA)估计算法进行改进,构造了新的协方差Toeplitz矩阵,有效抑制了由阵列非均匀性导致的伪峰,提高了阵列的DOA估计性能。仿真结果表明:该算法在低信噪比背景下具有抗有源干扰能力,扩展了阵列孔径,并具有较高的测向精度和鲁棒性。     

精益管理思想在航空维修人员基础素质评价模型设计中的应用初探

介绍了帕累托图、因果关系矩阵、层次分析法、德尔菲法等精益管理工具在航空维修人员基础素质评价模型设计中的应用,并以国航某维修基地为例,按步骤分析了航空维修人员基础素质评价模型的建立过程。     

基于新型多可信度代理模型的多目标优化方法

相对于常规直升机，基于前行桨叶方案（ABC）速度更高的刚性共轴双旋翼直升机对旋翼翼型的气动性能要求更加苛刻，包括更高马赫数下的低阻和高阻力发散特性，并维持良好的中、低马赫数下的升阻特性以及所有状态下的力矩特性等10余项指标要求，面临高维多目标优化难题。针对该类问题，首先发展了基于核主成分分析（KPCA）的非线性目标降维技术，然后建立了基于新型多可信度多项式混沌-Kriging(AMF-PCK)代理模型的高效多目标稳健优化方法，并提出了变可信度伪期望改进矩阵（VF-PEIM）并行样本填充方法，使多目标优化设计效率和能力显著提高。利用所建立的基于新型多可信度代理模型的多目标优化方法对高速直升机7%厚度旋翼翼型进行了优化设计。设计翼型的气动表现分别与经典的OA407翼型在高、中、低马赫数下进行了全面比较，对比结果验证了提出的新型多目标优化设计方法的有效性，设计翼型高速气动特性得到了显著提升。     

飞机空中交通管制系统自动校准装置研制及难点研究

实现了Aeroflex的IFR6000型空中交通管制系统的全自动校准流程,形成了一套完整的自动校准装置及软件方案。该方案在实现过程中,解决了RF多路复用开关设计、矩阵开关设计、插入损耗、包络提取、特征提取、内存管理等技术难点,考虑到全自动流程的设计要求,使用Step方式,顺序执行测试步骤,自动切换复用开关及矩阵开关,最终实现了无需人工操作的全自动化校准装置,将测试时间由原来的3天缩短至3小时内。