面向超燃数值模拟的正癸烷高温骨架机理

为了得到一个适用于超声速燃烧模拟的小规模正癸烷骨架机理，以现有的正癸烷燃烧机理（S709）为基础，通过机理简化和参数对比优化的方法，构建了包含27个物种和105个反应的高温骨架机理（S27）。在温度（T：1000–2000 K）、压力（p：0.1–0.3 MPa）、当量比（Φ：0.5–1.5）的超燃典型工况范围内，通过Chemkin-Pro软件计算了S27对于层流火焰速度、点火延迟时间、熄火拉伸率的预测值，在0.1 MPa富燃条件（Φ=1.7）下，计算了主要物种浓度分布，并与文献正癸烷骨架机理（S40，S96）、S709的模拟值和实验数据进行对比，以验证机理的合理性。结果表明S27的计算结果与文献实验数据和S709结果吻合良好。通过研究S27在高温条件下含C物种的反应途径以及影响层流火焰速度的关键反应，进一步证明了S27的合理性。相较于S709及其他正癸烷骨架机理，S27极大地提升了计算效率，展现了此机理应用于超燃流场数值模拟的良好前景。     

基于模拟场景的接收机授时接口测试方法

介绍了接收机授时接口的工作原理，提出了一种基于模拟工作场景的接收机授时接口新型测试方法，通过设计程控IRIG-B时间码发生器模拟产生异常时码，测试了接收机授时接口的容错性，并以长期授时测试场景用例检验了接收机授时接口工作稳定性，解决了实验室条件下接收机数据时间戳乱序、长期工作中时间戳跳变以及接收机授时信号异常控制等授时接口测试的难题。     

基于多智能体航空公司航班恢复协同决策方法

航空公司进行航班延误恢复时，各种资源之间会通过航班计划产生间接关联，此时各决策单元若独立地考虑本领域内的资源恢复问题，将难以保证恢复方案的整体可行性和全局优化性。为探究航空公司航班恢复过程中各决策部门的决策模型及其协同关系，本文提出了基于多智能体技术的航班恢复协同决策仿真方法。首先，基于航空公司实际组织架构构建了航班恢复多智能体决策系统框架；其次，对部门间协同决策的动态过程进行了分析，将延误恢复的全过程分为了预恢复、可行解协商、均衡解协商3个阶段，构建了三阶段协同决策机制；最后，根据不同资源的恢复特性建立各决策部门的核心决策模型与部门间自动协商模型，并基于多智能体系统进行仿真。仿真结果显示，基于多智能体的协同决策方法能够在3.8 s的极短时间内针对1天中包含3架飞机和12个航班的航班计划做出完整的延误恢复方案，并且能够在保障航空公司整体效益的情况下一定程度地平衡各决策主体的自身利益。     

基于乘性加扰的卫星信号遮蔽传输方案

针对卫星发送功率受限的情况，提出了一种卫星信号遮蔽传输的新方案。在卫星上，通过将待传输的业务信号与特别设计的非恒包络遮蔽信号相乘，隐藏了原业务信号的时频域特征。在授权地面站，利用遮蔽信号副本进行互相关时延估计并解遮蔽，从而恢复原业务信号。该方案具有不增加卫星的传输功耗、星上遮蔽运算复杂度低、传输安全性强等特点。此外，通过处理损耗、互信息等定量评价指标，分析了遮蔽方案的遮蔽性能。仿真实验表明，该遮蔽方案可以实现良好的时频域遮蔽效果。遮蔽后信号与原业务信号间的互信息结果表明：遮蔽后信号与原业务信号间相关性很弱，已基本掩盖原业务信号通信特征。在遮蔽信号与原业务信号带宽之比不小于0.3、信噪比不小于–4 dB的条件下，授权地面站解遮蔽的处理损耗可以控制在1 dB以内，具有良好的实用价值。     

具有欺骗攻击的主从神经网络混合 事件触发同步控制

文章提出了一种针对受到欺骗攻击的主从神经网络的混合事件触发同步控制方法。所提出的方法采用以伯努利分布为特征的混合事件触发方案，通过仅在必要时传输数据来减轻通信负担并处理不可预测的网络环境。记忆事件触发机制可以在系统响应状态的峰值和低谷期间传输更多的数据。通过考虑实际情况中的不确定性，将网络诱导时滞和随机发生的欺骗攻击纳入一个统一的框架，并构建了相应的李雅普诺夫泛函。其次，使用李雅普诺夫理论，推导出一个稳定性判据。最后，通过数值算例验证了所提出方法的有效性。     

A geographical and operational deep graph convolutional approach for flight delay prediction

Flight delay prediction has attracted great interest in civil aviation community due to its significant role in airline planning, flight scheduling, airport operation, and passenger service. Flight delay is affected by numerous factors and irregularly propagates in air transportation networks owing to flight connectivity, which brings critical challenges to accurate flight delay prediction. In recent years, Graph Convolutional Networks (GCNs) have become popular in flight delay prediction due to the advantage in extracting complicated relationships. However, most of the existing GCN-based methods have failed to effectively capture the spatial–temporal information in flight delay prediction. In this paper, a Geographical and Operational Graph Convolutional Network (GOGCN) is proposed for multi-airport flight delay prediction. The GOGCN is a GCN-based spatial–temporal model that improves node feature representation ability with geographical and operational spatial–temporal interactions in a graph. Specifically, an operational aggregator is designed to extract global operational information based on the graph structure, while a geographical aggregator is developed to capture the similar nature among spatially close airports. Extensive experiments on a real-world dataset demonstrate that the proposed approach outperforms the state-of-the-art methods with a satisfying accuracy improvement.     

差分码偏差对PPP授时精度影响的研究

论文分析了不同机构差分码偏差(DCB)产品的天稳性.选取了2个外接氢原子钟的测站进行实验,以国际GNSS服务组织(IGS)发布的接收机钟差为参考值,分析了不同机构DCB产品对2个测站PPP授时精度的影响.实验结果表明:1)不同机构DCB产品的天稳性差异不大,中国科学院天稳性略优于德国宇航中心;2)2个测站使用不同机构的DCB产品估计钟差的均方差(RMS)和时间偏差(Bias)均优于0.4ns,其中中国科学院产品精度最高,RMS和Bias均优于0.2ns;德国宇航中心和欧洲定轨中心精度略差,但也能够达到亚纳秒级,可为下一步推广PPP授时应用提供一定的参考.