复杂背景下目标散射信号测量与提取技术

在复杂环境条件下的宽带雷达目标散射特性测量中,场地周围环境产生的零多普勒杂波（ZDC）会严重影响目标测量数据的准确性。为了有效地抑制背景杂波、提高目标散射信号的测量精度,提出了一种基于最大概率提取技术。该技术首先通过方位滑窗平均得到每个频点的初始固定背景杂波估计,然后对每个频点的杂波初始估计进行统计直方图处理得到最大概率幅度统计量,并依据该统计量完成门限处理得到最终的杂波估计值,从而消除方位滑窗平均处理中的剩余目标信号分量、实现精确的背景提取与抵消。对典型目标的外场测量数据处理结果验证了本文方法的有效性。      

微压力校准装置测量不确定度分析

介绍了微压力校准装置的工作原理,并对该校准装置在表压模式下工作时的测量不确定度进行了分析评定.     

襟翼缝道对多段翼型气动特性影响的实验研究

对具有襟翼不同缝道构形的多段翼型进行了翼面边界层、表面压力、尾迹速度的测量,同时作了翼面流谱观察实验。实验结果表明,襟翼缝道的不同构形对多段翼型的流动特性、增升效果和升阻特性有着强烈的影响,该研究中具有最佳优化缝道的多段翼型的最大升力系数可达3.360,它为普通缝道多段翼型对应迎角下升力系数的115％。     

多随机变量的桁架结构系统的可靠性分析及优化设计

针对桁架结构系统，采用随机有限元法（SFEM）计算结构系统的响应量，考虑内力重新分配，建立失效模式的安全余量方程，用验算点法计算失效模式安全余量的可靠性指标，用改进的分枝限界法，寻找主要失效模式，通过对主要失效模式方程线性化研究，计算失效模式安全余量之间的相关系数，寻找主要失效模式，通过对主要失效模式方程线性化研究，计算失效模式安全余量之间的相关系数，最后用PNET法计算出结构系统的失效概率，同时给出多随机变量的结构系统可靠度的敏度表达式，采用最佳矢量法，求解了大型桁架结构系统基于可靠性指标约束下的最小重量的优化设计问题，最后，给出了实际算例，计算结果表明；采用随机有限元法能更好地考虑结构系统的多个随机变量对系统可靠性产生的影响；所采用的可靠性分析方法和优化方法是有效的。     

傍山地区的强风场特性实测研究

介绍了某傍山地区的强风现场测量研究。采用较高频响的风速风向计与实时数据检测处理系统测得了该地区的风特性,并对一次冬季强风记录进行了分析研究,给出了反映强风脉动特性的两个重要参数-湍流度和阵风系数的关系,指出脉动风速的概率分布直接影响了二者比值大小。此外,通过实测结果与邻近气象站的同期记录比较,发现二者的相关性很差,在整个强风过程中,该地区的最大瞬时风速和平均风速都远远高于气象站的记录,表明傍山地区局部风场有很大的特殊性。     

显微PIV系统与实现

显微PIV系统可用于流体微观层次以及微流体流动的测量,可获得流体速度的场信息以及其中颗粒的场信息。本文主要介绍显微PIV系统所涉及的显微图像获取技术以及图像处理算法。该系统由硬件与相应软件系统组成。其中,硬件主要包括放大倍数为1000倍的光学显微镜以及最大拍摄速度为10000帧/秒的高速摄像系统;IMPACT软件为自行开发的基于C++系统的面向对象程序,其中内嵌多种数据处理与分析算法。通过对尺寸为1μm颗粒运动的测量,对不同数据处理算法进行了检验,结果表明:建立的显微PIV系统可有效获得微观流体流动的图像并可准确进行数据的处理,该系统完全可用于微观流体流动的测量。     

涡流传感器提离效应的研究

通过数值计算表明涡流检测传感器相对于被测导体的提离效应在阻抗平面图上是近似为直线的轨迹。并通过单片机实现阻抗的幅值和相位的测量 ,利用阻抗变换的方法 ,有效地实现了提离干扰信号的抑制     

电磁轴承-转子系统多变量模糊解耦控制算法的推导

在建立了转子高速旋转时电磁轴承系统的模型基础上 ,针对此系统的多变量模型 ,采用了多变量模糊解耦方法进行控制研究。文中推导了有效的降维模糊关系矩阵 ,得出了四输入四输出的多变量模糊系统的输出算法 ,并进一步考虑了加上输入变量导数的情况下算法的推导。     

平面Poisson问题的间接变量等价边界积分方程

使用变分法确立平面Laplace外问题的确切形式；在此基础上，为了避免使用无限区域上的Green公式(不成立)，通过构造紧支集上的无穷可微函数，获得满足非齐次控制微分方程的特解的重要结果。使用非解析开拓数学方法，导出满足控制微分方程的位势函数集的等价边界积分表示式。获得Poisson问题的间接变量等价边界积分方程；通过一些例子，详细讨论了传统的外问题和边界积分方程的形式，表明它们不具有普遍适用性。     

优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。