黎曼流形中运动群不变量

黎曼流形运动群的研究是微分几何中一个重要问题。本文构造了黎曼流形中亏数为2的一个运动群，进而对黎曼流形度规运动群、共形运动群以及亏数为2的运动群的黎曼不变量进行了刻划。文中证明上述三个运动群之间存在着某种所谓“自相关性”。此外，还给出黎曼空间中共形运动群在共形于黎曼空间的空间中变为度规运动群的一个有趣的例子。     

微灌滴头平角齿形微通道流动实验研究

采用Micro-PIV技术,以边长800μm方形截面平角齿形微灌滴头内流微通道为对象,对微通道内流体运动进行了测量。实验使用10x显微物镜、14位灰阶PCO1600相机、3μm荧光示踪粒子和仅允许610nm红光透过的滤光镜相配合、获取了清晰的粒子图像,解决了相机与PIV系统的匹配问题,提高了图像信噪比。在图像处理中使用多次测量取平均的方法消除示踪粒子的布朗运动影响,运用系综互相关算法获取流场速度分布和流线图。实验发现微通道内各齿间流动结构基本一致,即通道内流充分发展后是一种周期性流动;通道顶角和转角内侧存在低速涡旋区,其涡旋结构和尺度随时间和Re变化而变化;颗粒在低速涡旋区易发生沉积,是造成堵塞的主要原因。     

数据缺失场合下k/N(G)系统可靠性指标的经验Bayes估计

在定数截尾缺失数据样本下,研究了不可修k/N(G)系统的可靠性指标的估计问题。将极大似然估计法和Bayes方法相结合得到了部件的平均寿命、系统可靠度及平均寿命等可靠性指标的经验Bayes估计,最后利用随机模拟例子说明了本文方法的正确性和可行性。     

环境应力筛选中的振动试验方法

从振动试验技术的角度讨论了振动应力筛选的方法,分析了振动试验中夹具、安装方式、传感器、振动方向等各种因素和控制策略对环境应力筛选效果的影响,以及电子、机电、机械等不同种类产品的振动应力筛选方案,指出了在振动应力筛选中应注意的问题。     

低速大迎角张线尾撑系统支架干扰影响研究

为了进一步提高低速大迎角试验数据的质量,掌握支架干扰规律,对φ3.2m风洞张线尾撑系统进行了支架干扰试验研究.研究结果表明:张线尾撑装置的横梁对飞机纵向的远场干扰量较小,大迎角区域内尾支杆对飞机纵向的近场干扰量较大;迎角小于15°范围内,支架使飞机偏航力矩系数减小、滚转力矩系数增大,随侧滑角增大支架干扰量增大;去掉立尾后尾支杆对俯仰力矩的干扰明显减小.     

基于风洞试验的非定常空气动力模型识别

在某飞机模型大振幅风洞试验的基础上,分析讨论了单自由度叠加模型、动导数模型、混合模型和非定常模型的适用性.结果表明,单自由度叠加模型、动导数模型和混合模型在小攻角时均是可用的,在大攻角时都不能正确反映飞机的非定常迟滞特性;但与前两种模型相比,混合模型在中等攻角时仍然适用.对于非定常模型,无论在小攻角还是大攻角时,均能较好地反映耦合运动的非定常气动特性.     

基于星座恢复法降低PAPR的性能分析

提出了一种新的降低峰均功率比(Peak-to-average ratio,PAPR)的方法——星座恢复法.在发送端采用软件削波限幅的方法来降低系统的峰均比,其系统结构简单、且可根据系统的要求灵活地改变PAPR值;在接收端根据调制信号的星座特性恢复出被限幅数据的实际值,从而减小了信号的畸变,提高了系统的误码性能.为了使星座恢复法更具实用性,对其算法进行了简化,从而大大地减少了系统的运算量.理论分析和仿真结果表明:与选择性映射法(Selective mapping,SLM)相比,基于星座恢复法的正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统,其误码性能得到了明显的改善,算法较简单,且无需额外信道来传送附加信息.     

基于Depth from Focus的图像三维重建

应用改进Laplacian聚焦算子实现序列图像的融合显示,用高斯插值算法得到图像三维重建中的高度图,并设计一种轮廓线算法对高度索引图进行了三维重建;成功地应用于摄像机拍摄序列图像的三维重建,弥补了摄像机物镜焦深范围有限不能采样清晰大幅图像的不足.理论和实验结果证明,用该方法生成的二维融合图像和三维显示图像,恢复出比较精确的物体表面深度信息,提高了图像的清晰度.     

基于微型压力传感器阵列的翼面压力分布直接测量系统

研发了微型压力传感器并构成柔性衬底基阵列,直接置于翼型外表面实现压力分布测量.结合传感器特性和气动测量需求,设计了压力传感器阵列恒流驱动电路和差分滤波电路,并通过LabVIEW调用所开发的MAT-LAB的应用程序实现了数据的在线处理和实时显示.结合NACA0012翼型对该测压系统进行了低速风洞实验.对其有效进行了初步验证.     

Weibull分布下恒定应力加速寿命试验分组数据的统计分析

对Weibull分布恒定应力加速寿命试验的分组数据,利用形状参数的线性无偏估计将分组数据转换为指数分布的加速寿命试验分组数据,建立相应的似然方程,求解得到加速模型参数最大似然估计,最后对某实例进行了分析。