一种卫星对地观测需求分析方法

针对卫星对地观测任务需求分析方法研究的复杂性和迫切需要,文章通过把文本化的卫星观测需求编码成数值向量的形式,提出需求之间的相似度度量方法。进而基于无监督学习的相关理论和算法,给出向量化表示的需求聚类算法。同时为了能在二维平面直观展示分析高维需求数据,在引入需求之间距离计算方法的基础上介绍了高维数据的降维算法,并且通过测试数据验证了算法的有效性和可行性。通过把繁杂的需求信息转换成高维空间向量,能大大降低分析人员对领域专业知识的依赖,提升需求分析的效率和科学性。     

用固体吸附/分光光度法同时监测空气中的肼、一甲肼和偏二甲肼

介绍了用一甲肼浓缩采样采集空气中三肼混合气体,用分光光度法分别测出肼、一甲肼和偏二甲肼各组分的含量。测定结果通过标准气验证,相对误差小于１７％,各组份回收率均大于８０％。本方法适用于空气中低浓度三肼废气的测定。     

类Clipper再入返回飞行器气动特性分析

针对类Clipper再入返回飞行器的气动特性,采用近似反设计的方法,在飞行器外包络等约束条件下,通过形状控制函数,计算出类Clipper飞船的气动外形。基于计算流体动力学(CFD)数值模拟方法,研究分析类Clipper再入返回飞行器在不同高度、不同马赫数和不同攻角下的全空域/速域气动特性变化规律,并结合不同飞行状态下的压心位置探讨飞行器的稳定性。结果表明:类Clipper再入返回飞行器在不同飞行状态下能够具有良好的气动特性,最大升阻比可达1.1以上,属于中等升阻比再入,总体呈现出良好的静稳定性,可在未来作为具有可重复使用再入返回飞行器的方案之一。     

基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

网络图中边集束优化问题

网络规模增大和复杂度提高造成的节点遮挡覆盖和边交叉阻塞等问题成为网络可视化研究的热点.针对网络中出现的视觉凌乱问题,以空间位置和群组关系为出发点,从网络中独立的边和群组两个层次,以边汇合的角度研究边集束技术,将网络中临近的边集聚成束以降低视觉复杂度,提出和改进了分段力导引算法(FDA)简化模型和群组边相容的网络图边集束模型.其中分段集束模型,提出以二次样条曲线表示网络边,通过样条控制点进行迭代汇聚的方法,实现了网络中边的集束;针对分段集束模型中部分连线过度弯曲问题,提出通过CNM聚类算法将网络进行群组划分,在群组结构的基础上对组内连线应用边相容原则,根据连线的匹配系数计算其集束程度的方法,网络图集束后曲线扭曲变形减少,曲线过渡更加平滑.选取国内航空网络作为案例,通过两种边集束模型进行网络图简化,分析结果表明,国内机场的群组结构具有地理属性的相近性,航空网络在整体上呈现出明显的十字脉络,东西走向和南北走向的航线分别汇聚集结成束,表现了航空网络建设在南北和东西方向的总体趋势.本集束简化算法适用性广,绘制的网络图具有良好的视觉效果和可读性.      

民用飞机维修类技术出版物符合性验证方法

通过分析民用飞机维修类技术出版物内容的特点,确定技术出版物适航验证要求。提出维修类技术出版物符合性验证方法、流程和管理要求。利用模糊综合评判方法进行定量评估,解决了民用飞机适航认证维修类技术出版物符合性验证无据可依的问题。     

《洛神赋》对宋玉“情赋”中美人意象的承继

《文选》中情类赋有4篇,即宋玉的《高唐赋》、《神女赋》、《登徒子好色赋》和曹植的《洛神赋》。论文从四个方面分析从宋玉到曹植写美人的发展：在语言和写作手法上对高唐神女的继承和发展;行文结构上对高唐神女的继承发展;塑造美人形象方面对宋玉的继承和发展;美人的象征意义对宋玉写美人的继承和发展。     

基于SPF/DB工艺的某翼类构件内部结构优化分析

采用SPF/DB工艺成形的翼类构件,内部结构不仅影响其力学性能,同时决定SPF/DB工艺的可行性。翼类构件在应用SPF/DB工艺成形过程中,内部夹层扩散焊接焊缝处形成筋条,从而增强结构强度,因此中间夹层扩散焊接筋条分布决定了成形后构件内部结构。本文利用有限元软件ABAQUS6.8对不同内部结构的某翼类构件进行静力学分析及超塑成形的数值模拟,得到既满足强度要求又有利于SPF/DB工艺要求的内部结构。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。