空间TDICCD相机动态信噪比计算方法研究

信噪比是空间光学相机系统的主要设计指标之一,可用于表征相机的辐射性能。文章通过建立遥感卫星轨道模型,分析计算一年中任意时刻用太阳高度角和卫星观测角描述太阳、卫星、地面目标点之间的相对位置关系,并将计算得到的卫星观测角和太阳高度角等参数导入大气传输软件MODTRAN,输出在相机入瞳处的地面目标光谱辐亮度,再根据信噪比的计算方法,最后完成TDICCD相机动态的信噪比计算值。通过该方法,可以计算任一时刻任一观测目标的信噪比,这将有利于判断在某一时刻的能量是否满足观测要求,以随时改变TDICCD的探测器级数,使得成像像质达到最佳。     

测向交叉定位系统中的最优交会角研究

研究了测向交叉定位系统中的最优交会角问题。在目标到两部被动传感器基线之间的垂直距离不同的情况下和最小圆概率误差（CEP）准则下,得出了一些有意义的结论。研究表明,最优交会角跟目标到两部传感器基线的垂直距离与基线长度的比值l有关。当l≥√3/6时,只存在一个最优交会角且此时目标与两部被动传感器呈等腰三角形,并在此情况下分析了l的变化对圆概率误差的影响。当l＜√3/6时,存在两个相等的最优交会角。得出的结论在多个被动传感器的优化配置进而提高目标定位精度方面具有一定的理论和实际意义。     

风洞模型位移光学测量技术应用综述

风洞试验中,模型姿态的测量是影响数据精准度的一个重要因素,而测量上的一个微小变化,常常对实际应用价值造成巨大影响。当代测量技术发展的一个新领域是应用光学技术。概述了国外主要的风洞模型位移光学测量系统,包括测量依据、应用风洞、模型要求、数据后处理以及精度情况。这些测量系统应用于静态试验和动态试验中,用于模型位移、姿态角和弯曲变形的测量。从应用现状、应用环节、操作步骤、发展趋势等方面进行了描述,并给出了结论。比较这些模型位移光学测量技术可知它们各有优缺点,应用条件不一样。     

基于落角约束的超声速导弹制导方案研究

针对超声速导弹具有落角约束条件下的制导问题,提出了一种新的设计方案.首先,在中制导俯冲过程中,采用攻击预先设定的虚拟目标方案,达到期望的中制导末端性能指标;然后,开始末制导俯冲段,雷达开机实时攻击实际目标,使导弹在需用过载和导引头框架角约束条件下,以期望落角命中目标.仿真结果表明,该制导律具有期望的性能要求,易于工程实现.     

弹道中段无源轻诱饵的动力学特性分析

借鉴稀薄流体力学领域里自由分子流动的相关知识,对箔条气球等典型的无源干扰在低轨道 大气中所受的空气阻力进行了定量分析。对气球,导出了在低轨道大气中完全镜面反射时气 球的阻力系数为2的结论;对箔条,首次导出了任意攻角下箔条所受阻力的计算公式,并分 析了各种因素对阻力系数的影响,得到了完全镜面反射时箔条阻力系数的近似公式。利用仿 真方法得到了弹道导弹的典型弹道,基于此弹道,分析了气球和箔条的大气阻力随高度的变 化曲线。最后对无源干扰的抛撒高度提出了合理的建议。     

基于STL文件的航天器固壁辐射热流计算方法

针对STL文件在传递复杂几何实体模型信息方面具有精度高的特点,提出了一种基于STL文件计算航天器固壁辐射热流的方法,给出了STL文件的数据格式及其内容约定。根据面元间的位置关系对计算单元进行网格加密。利用有限元法计算角系数,详细阐述了基于STL文件进行复杂结构的遮挡判断方法。计算结果表明,方法的计算精度和计算效率高,遮挡判断方法准确高效。
     

几何参数对逆流矢量喷管性能的影响研究

采用数值模拟研究了逆流矢量喷管中主要几何参数（二次流道高度G与外套管轴向长度L、横向高度C、出口边缘斜切角θ）对气动性能的影响。结果表明,L或G的增加均提高了矢量角,减少了合成推力系数,但较小的G（如0.2）更容易发生主流附体。当C=H（主喷管出口高度）时气动性能达到最佳,所对应的矢量角最大。θ对气动性能的影响较小,但对矢量角的最大值起到限制作用。     

景象匹配中的几何透视校正和归一化互相关模板匹配

几何失真是使景象匹配性能下降的一个很重要的因素,基于参考图与失真实时图中四对对应点,本文采用透视变换方法,对失真实时图进行校正。对校正后的实时图,本文采用归一化互相关方法,进行模板匹配。仿真实验表明,这两种方法简单易行,校正与匹配结果精确。     

流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。