Solar Sources of Heliospheric Energetic Electron Events—Shocks or Flares?

Electrons with near-relativistic (E≳30 keV, NrR) and relativistic (E≳0.3 MeV) energies are often observed as discrete events in the inner heliosphere following solar transient activity. Several acceleration mechanisms have been proposed for the production of those electrons. One candidate is acceleration at MHD shocks driven by coronal mass ejections (CMEs) with speeds ≳1000 km s⁻¹. Many NrR electron events are temporally associated only with flares while others are associated with flares as well as with CMEs or with radio type II shock waves. Since CME onsets and associated flares are roughly simultaneous, distinguishing the sources of electron events is a serious challenge. On a phenomenological basis two classes of solar electron events were known several decades ago, but recent observations have presented a more complex picture. We review early and recent observational results to deduce different electron event classes and their viable acceleration mechanisms, defined broadly as shocks versus flares. The NrR and relativistic electrons are treated separately. Topics covered are: solar electron injection delays from flare impulsive phases; comparisons of electron intensities and spectra with flares, CMEs and accompanying solar energetic proton (SEP) events; multiple spacecraft observations; two-phase electron events; coronal flares; shock-associated (SA) events; electron spectral invariance; and solar electron intensity size distributions. This evidence suggests that CME-driven shocks are statistically the dominant acceleration mechanism of relativistic events, but most NrR electron events result from flares. Determining the solar origin of a given NrR or relativistic electron event remains a difficult proposition, and suggestions for future work are given.     

低成本捷联惯导不对称动态误差的神经网络补偿

 针对低成本捷联惯导系统(SINS)中陀螺动态误差的不对称性在角振动条件下造成姿态漂移的问题,设计了多层前向神经网络的补偿模型。在标定模型参数时,为降低对外部参考信号测量精度的要求,提出用姿态解算的最终误差作为网络优化目标的训练方法。由于最终的姿态误差不是网络的期望输出,无法采用有导师的训练方法,为此采用了微粒群优化算法。仿真实验结果表明:补偿后的陀螺动态误差的不对称度减小了一个数量级。     

喷丸强化对AISI420不锈钢固体粒子冲蚀行为的影响

研究了喷丸强化(SP)对AISI 420马氏体不锈钢抗同体粒子冲蚀(SPE)行为的影响.探讨了喷丸引起的表面残余压应力,表面粗糙度增大和表面加工硬化等三因素对SPE抗力的作用机制.结果表明:SP处理对AISI 420不锈钢在30°攻角下的SPE抗力无明显影响,但却降低了该钢在90°攻角下的SPE抗力.SP处理后进行表面抛光,则使该钢在两种攻角下的SPE抗力均得以提高.SP三因素对SPE抗力的作用机制主要有:表面粗糙化增大了试样表面对冲蚀粒子的有效暴露面积,因而降低了不锈钢在两种攻角下的SPE抗力;表面残余压应力能够有效抑制疲劳裂纹萌生和早期扩展,因而能有效提高AISI 420不锈钢的SPE抗力,特别是对90°垂直冲击条件下SPE抗力的提高作用更为明显;表面加工硬化提高了材料表面的微犁削抗力,因而对提高AISI 420钢在30°攻角下的SPE抗力有贡献,但是表面加工硬化层的抗多冲疲劳性能差,却不利于AISI 420钢在90°攻角下抗SPE性能的改善.     

基于EFFD方法的自然层流短舱优化设计

采用extended free-form deformation(EFFD)方法研究了自然层流(natural laminar flow,NLF)短舱的气动外形优化设计方法.使用基于Bernstein基函数的EFFD方法完成了NLF短舱剖面的参数化,利用基于k-εSST(shear stress transport)两方程湍流模型的γ-θ转捩模型进行自然转捩预测,结合EFFD、一种混合动网格方法、Kriging代理模型和改进的粒子群算法(particle swarm optimization,PSO)建立了针对NLF短舱气动外形的优化设计框架.采用该框架分别对通气NLF短舱和带动力NLF短舱进行优化设计.单独通气NLF短舱优化结果的外表面实现48%的层流,阻力系数比初始通气NLF短舱减小了0.0003.带动力NLF短舱的优化结果外表面保持了41%的层流.这些结果表明采用相关技术建立的优化设计框架在NLF短舱设计中具有一定应用价值.     

区域杂波估计的多目标跟踪方法

高斯粒子概率假设密度（PHD）滤波往往假定杂波密度参数已知,这种做法对于实际应用是不现实的。此外,杂波的参数值通常依赖于环境条件,可能随时间发生变化。因此,多目标跟踪算法中需要实时准确估计杂波密度的参数。基于此,提出了一种多目标跟踪的区域杂波估计方法。首先根据量测信息在线估计出场景中的杂波数目,然后估计落入目标附近感兴趣区域的杂波数,并估计每个目标感兴趣区域杂波强度。仿真结果表明,在复杂场景下算法的跟踪性能明显优于未进行杂波估计的多目标跟踪算法,提高了跟踪的实时性和跟踪精度。     

基于相关系数的火箭测试变化缓变参数自动判读方法

变化缓变参数的自动判读是实现火箭测试数据自动判读的难点,已有的研究采用曲线拟合的思路进行判读,但拟合过程相当复杂,且不同的测试流程存在不同的拟合曲线,工作量极大.为提高判读效率,从变化缓变参数的物理意义出发,提出通过判别参数测量值序列之间的相关系数来实现变化缓变参数自动判读的方法.该方法对测量值序列进行先归一再累加生成的处理方式,克服了遥测系统测量误差对相关系数计算的影响,保障了判读准确性,同时减少了建立判读知识库的工作量.仿真结果表明,该方法运用简便,效果良好.     

混合总线测控系统在R0110燃气轮机低排放试验中的应用

针对R0110燃气轮机低排放试验内容的要求,提出了对试验平台的测试与控制系统的设计方案,并详细介绍了该试验平台测试系统与控制系统的硬件与软件结构和功能的实现,其中通过利用混合总线方式将原测试系统与新测试系统相结合,扩展了试验器的测试能力.根据试验中多路燃料供给规律的要求,提出燃料供给手动、自动2种控制方式,进一步提高了试验控制上的智能性.在自动控制程序设计中,充分考虑了燃料供应的风险,并制定了相应的处理方案,保障了试验的顺利完成,而且提高了该试验器的智能化水平和整体测控能力.     

基于神经网络的红外型空空导弹故障诊断专家系统

普通的导弹自动测试系统只能给出主要参数的检测结果,针对以上不足,通过对神经网络和专家系统在自动测试领域中的深入研究,设计完成了一种基于神经网络的故障诊断专家系统,克服了传统专家系统故障定位慢、容易出错、数据库难修改的缺点,提高了装备保障工作的时效性和可靠性。重点阐述了知识库和推理机的构建思路和方法,采用VC＋＋6.0进行软件设计。通过大量实验验证得出,该系统执行速度快、故障定位准确,具有广阔的应用前景。     

冲压发动机导弹爬升段和巡航段轨迹优化

为了研究冲压发动机导弹爬升段和高空巡航段的燃油最优弹道,提高射程,提出了较为通用的一体化优化设计方法。研究了冲压发动机、导弹气动力与弹道之间的耦合特性,建立了导弹动力学模型,将弹道的最优控制问题转化为参数优化问题。为求解该参数优化问题,针对传统粒子群(PSO)算法求解优化问题时存在的早熟收敛的不足,提出了一种算法结构,改善粒子群算法的性能,求其最优解。数值结果表明:改进的算法相对其他几种粒子群算法具备更优秀的性能。所优化弹道相比导弹试验数据,以飞行时间增加3.3%为代价,节约了4.46%燃油。多组高弹道的仿真结果表明,巡航高度应不超过动压边界前提下,高弹道巡航有利于节约燃油,增加导弹射程。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。