海洋平台在组合载荷作用下的随机域可靠性分析

本文对海洋平台在风、浪及海流等多种载荷组合作用下的可靠性进行了分析计算，采用优选随机载单元法进行结构数的随机域离散。文中的海洋平台算例结构表明了优选随机域单元法的高效性，以及在海洋工程的结构系统可靠性计算中的考虑载荷组合作用的必要性。     

化学物质释放人工改变电离层

考虑中性气体在电离层高度的扩散过程和相应的电离层离子化学过程，研究了利用主动化学物质释放来改变电离层的方法，理论计算了H2O和SF6两种气体释放后电离层随时间的响应过程，结果表明，在电离层高度上气体的扩散过程非常迅速，电离层F区的电子密度有很大程度的减少，而扩散慢且化学反应快的气体对电离层的影响更大，就更加有利于电离层洞的形成。     

地球扰动大气模型

本文介绍了地球扰动大气模型和建立该模型的方法。文中详细描述了该模型中，密度变化的各单个分量和风场变化的各单个分量，并给出了它们各自的计算公式。本大气扰动模型中包含了１３７个大气扰动状态方案，可供返回轨道计算、救生轨道计算和返回控制设计计算分别选用。     

高超声速钝头体边界层转捩试验

为研究高超声钝头体边界层转捩以及头部钝度对转捩的影响,在FD-14和FD-14A两座激波风洞中开展了热流、压力扰动和高速纹影显示等综合测量。试验结果表明,转捩雷诺数关于钝度雷诺数的变化显示出转捩反转的趋势。压力扰动的功率谱密度（PSD）分析结果以流向离散分布云图形式显示,边界层高速纹影图像显示了第二模态波的发展、湍流的生成和熵层对边界层结构的显著影响。大头部钝度带来的强熵梯度熵层流动对边界层压力扰动频谱特性和流动结构影响显著,在转捩反转机理中起到重要作用。此外,马赫数对转捩的影响不容忽视。     

退化量有缺失的无失效小样本轴承可靠性评估

针对有试验性能退化量参数记录、且(或)有部分数据缺失情况的小样本无失效轴承试验问题,通过由Taylor和Thompson提出的数据模拟法实现补全样本退化量,结合Bootstrap自助法扩大样本量,再根据基于性能退化轨迹的补充信息方法来进行其可靠性评估。选取7组受试轴承的振动退化量,对比在完整数据和带有缺失数据情况下的分析结果,发现可合理利用原舍弃不合规试验的部分有效信息,使之增加可靠性评估的样本数,从而得到较不用这些数据更为准确的结果,且所得结果较用完整数据结果绝对值相差在01以内。对比由极大似然估计法和加权E-Bayes法分析试验寿命数据的结果,发现该方法所得评估结果更优,与试验实际相比误差在10%以内,对于提高评估精度及降低试验成本有积极的实际意义。     

振荡器相位噪声的研究综述

相位噪声是振荡器最重要的性能指标之一。综述了相位噪声的研究现状,包括基本概念、产生、表示方法和现有的研究方法,讨论了现有研究方法的特点和今后的发展趋势。     

非线性欠驱动不稳定系统的自耦PID控制方法

针对非线性欠驱动不稳定系统的控制问题,提出了一种基于自耦PID(auto-coupling proportional-integration-differential, ACPID)控制理论的虚拟全驱动控制方法.该方法将每个输入通道的已知或未知内部动态定义为一个总扰动,并在第一个输入通道引入相应的虚拟控制力,从而将非线性欠驱动不稳定系统等价映射为虚拟全驱动的线性扰动系统,并根据ACPID控制理论建立第一个输入通道的虚拟控制器,形成虚拟指令,再根据获得的虚拟指令与ACPID控制理论建立下一个输入通道的控制器,以实现非线性欠驱动不稳定系统的有效控制.仿真结果验证了本文控制理论方法的有效性,在非线性欠驱动不稳定系统控制领域有广泛的应用前景.     

一种新型低功耗SRAM读写辅助电路设计

针对低电压下静态随机存储器（SRAM）出现的读写性能损失的问题,设计了一种应用于低功耗SRAM的两步控制（DSC）的字线电压辅助电路技术,可以同时实现读和写辅助的功能,降低SRAM的最小工作电压从而降低功耗。写辅助通过字线开启前段的字线过驱（WLOD）实现,提高写数据速度和写阈值（WM）;读辅助通过字线开启后段的字线欠驱（WLUD）实现,降低静态噪声,提高稳定性。通过在28 nm互补金属氧化物半导体（CMOS）工艺下,对256 Kbit SRAM进行前仿和后仿仿真验证,结果表明相比于传统结构,应用DSC字线电压技术的SRAM的最小工作电压降低100 mV,写时间减小10%,静态功耗降低30%,版图面积增大4%。      

基于Kriging代理模型的失效机会测度算法

结构输入变量中同时存在随机输入变量和模糊输入变量情况下,失效机会测度可以很好地衡量结构的安全程度。但是,现有的混合模拟法计算失效可信度是一个双层循环过程,需要调用大量的功能函数。尤其对于大型复杂结构来说,混合模拟法的计算量是难以接受的。因此,本文将混合模拟法和自适应Kriging代理模型相结合,发展了一种失效机会测度的高效算法。通过U学习函数来自适应地选择训练样本点,进而可以自适应地构建功能函数的Kriging代理模型。在备选样本池中自适应训练至收敛的Kriging代理模型可以以要求的精度区分备选样本池中每个样本点的状态是失效还是安全的。因此,可以用收敛的Kriging代理模型代替真实的功能函数,进而通过混合模拟计算失效机会测度,这极大地降低了功能函数调用次数。最后,本文通过两个算例来验证本文发展算法的精确性和高效性。