飞机液压附件污染度检测采样方法

分析了当前飞机液压动态附件污染度检测采样方法存在的问题；提出引用相对平衡点的新观点，应用采样试验台是解决油样代表性的主要途径；介绍了采样试验台的研制和试用情况及其效果。     

一种基于间歇采样的脉间点积干扰方法

首先介绍了间歇采样转发干扰原理,指出了间歇采样转发干扰出现的假目标峰值位置,提出了一种基于间歇采样转发的脉间点积干扰方法,在对该方法进行数学建模后,分析了干扰信号时频特性;最后对基于间歇采样转发的脉间点积干扰进行了仿真,并将之与直接间歇采样转发干扰及增加了多普勒噪声调制间歇采样转发干扰进行对比。     

地外天体探测与钻取技术发展研究

总结了过去几十年,包括中国、美国在内的世界多国在不同时期开展的月球及其他地外天体探测活动,分析了月球探测逐步由月球外围向月表和月球内部发展的趋势,研究了月球及其他天体内部探测必要性,对比了地外天体内部探测及钻取技术不同方法具备的不同特点,又通过分析地外天体内部探测面临的极端空间环境、地质环境和超长距离延迟通信等带来的不利条件和挑战,结合未来深空探测任务形式,给出了天体内部探测、选取、分析技术发展的建议。     

工程意义上的高斯脉冲信号不失真采样分析

基于高斯脉冲信号的时频域特征,分析其采样条件。针对高斯脉冲信号这种非周期信号采样的特殊性,指出高斯脉冲信号采样还需满足峰值采样条件,并对不同采样点数下峰值误差能够达到最小值的概率进行建模。理论分析和仿真结果表明,按照所提出的采样条件进行采样,能够保证高斯脉冲信号采样的峰值误差最小,同时所提出的概率模型能够比较准确地估计出在不同采样点数下峰值误差能够达到最小值的概率。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

等参梯度有限元应用于非线性梯度材料的研究

将等参梯度有限元法应用于非线性功能梯度材料,推导了2种受力情况下指数体积分数变化的功能梯度材料的应力分布解析解。通过不同的单元划分形式,对等参梯度元数值解、均匀单元数值解及解析解三者进行比较分析,得出等参梯度有限元方法对非线性梯度材料同样适用,为等参梯度有限元的推广应用提供了证据。     

助航灯光光强检测数据处理方法研究

给出了一种在线快速测量灯光光强的方法,建立了照度测量的数学模型,给出了光程的测量方法和补偿方法、动态测量中照度和光强的换算,通过软件实现了单灯等光强曲线的绘制和回路光强参数的统计。通过与静态测量结果的比较证明了此方法的可行性且能满足机场生产时的精度要求。     

一种用于解决粒子滤波粒子退化现象的重要性重采样算法的研究

粒子滤波通过蒙特卡罗模拟来实现递推贝叶斯估计,在非线性非高斯系统中体现出良好的特性;但粒子滤波存在粒子退化现象的缺陷,针对这一问题,提出一种新的重采样算法,即分区重采样算法,其主要思想是根据多项式重采样与分层重采样算法的特点,把随机数区间划分成若干个区,每个区内的随机数任意排列,而区与区之间按升序排列。与目前常用的其他重采样算法相比,该方法提高了粒子滤波的平均性能,仿真实验验证了该算法的有效性和实用性。     

分数阶Fourier域非均匀采样Chirp信号的频谱研究

文中提出了一种自适应非均匀采样方法,并利用分数阶Fourier变换对这类非均匀采样信号在分数阶域的频谱进行了分析和研究,得到了这类非均匀采样信号在分数阶域的数字谱表达式;进一步得到了非均匀采样Chirp信号的分数阶频谱表达式;最后,通过仿真验证了结论。     

间隙高度对超声速膨胀器流场及性能的影响

采用三维雷诺平均N-S方程和标准k-ε湍流模型,对不同间隙高度超声速膨胀器的流场和性能进行了数值研究,结果表明:间隙高度显著影响三维流道内的局部流动特性和超声速膨胀器的整体性能,随间隙高度增加,气流最高相对马赫数降低,高速区范围逐步缩小;泄漏涡增强,尺度变大,横向和径向运动明显,泄漏损失增加,但激波及激波附面层相互作用的损失降低;超声速膨胀器的膨胀比先增大后减小,等熵绝热效率持续降低.下端壁、吸力面附近低能流体之间以及与壁面的摩擦损失和间隙泄漏损失是有间隙超声速膨胀器三维流道内损失的主要来源,超声速膨胀器的间隙高度宜在0.9%h₀~1.5%h₀之间选取.