双三角翼外翼前缘钝化对涡流特性的影响

通过风洞试验，利用７孔探头对７５°／４５°和７５°／６０°两种典型双三角翼进行了空间流场测量，研究了双三角翼前缘形状对大迎角涡流特性的影响．试验结果表明，双三角翼外翼前缘钝化使双涡态的双三角翼内、外翼涡互相靠拢、增加干扰，当出现合并涡态时，使合并涡涡核向内下方偏移；外翼前缘钝化使外翼涡或合并涡的Ｃｐ０、Ｖｘ较尖前缘时为高，最终使外翼涡或合并涡推迟破裂．     

微尺度爆震燃烧研究进展

微尺度爆震燃烧(Microscale Detonation)是基于微燃烧(Microscale Combustion)和微动力机电系统(Power MEMS)提出来的新研究方向.目的是为了把爆震燃烧这一高效的燃烧方式应用于微动力领域,以解决人们对小型、高性能动力的需求.几十年来,人们虽然在爆震燃烧的研究中涉及了一些与微爆震相关的内容,但是对其机理的了解仍然十分不足.本文从微爆震基本概念出发,对其现象、成因、影响因素及需要解决的问题等方面进行综述,总结了目前国内外重要的研究成果,为今后进一步的探索提供参考.     

螺旋相位板生成涡旋电磁波仿真研究

涡旋电磁波的产生方式有多种,使用涡旋相位板即为其中重要的一种方式。该文对螺旋相位板产生涡旋电磁波的情况进行了仿真.通过仿真。给出了在喇叭天线口面上覆盖螺旋相位板时生成的涡旋电磁波的幅度相位分布。     

细观周期性结构复合材料热固耦合双尺度渐进均匀化分析方法及有限单元法实现

针对周期性结构复合材料,根据稳态热固耦合平衡方程,将弹性矩阵和导热系数矩阵进行合并,将位移和温度作为空间场量同时进行小参数渐进展开,利用摄动理论和均匀化理论,推导并建立了周期性结构复合材料稳态热固耦合双尺度渐进均匀化分析方法。将复合材料力学分析从单一物理场推广到热固耦合场,为实现复合材料构件的热固耦合多尺度力学分析建立了基础。根据建立的偏微分方程式,利用变分原理推导得到其有限单元形式,用VC++6.0开发了热固耦合双尺度渐进均匀化分析程序。为验证该方法预测复合材料宏观等效性能的准确性,对纤维体积含量从20%到80%的单向纤维增强复合材料宏观等效参数进行了计算。当纤维体积含量低于65%时,得到的计算值与实验值吻合良好。更加真实地还原复合材料细观结构模型,计算精度将进一步提高。     

生命：另类的解读方法

表面上看来，量子效应跟生物有．机体似乎风马牛不相及。量子效应通常只在纳米尺度才看得到，还要加上强力真空、超低温，以及严密监控下的实验室环境。生物有机体则居住在宏观尺度的世界，那里温暖、混乱，什么事情都不能控制。像是这种一个系统里每一部分波动模式都保持一致的量子现象，在喧嚣不已的细胞世界里，维持不了百万分之一秒。     

基于传感器几何特性和图像特征的影像配准方法

“天绘一号”卫星是我国第一代传输型立体测绘卫星,搭载有三线阵CCD相机、多光谱相机和2m分辨率全色相机。多光谱相机波段间影像的配准是保证多光谱影像质量和有效应用的前提,在现有配准方法的基础上,文章提出了基于传感器几何特性和图像特征的配准方法来改善影像配准效果。这种方法首先基于相机几何特性对待配准图像进行调整,然后对图像进行局部多点取图,采用尺度不变特征变换（Scale Invariant Feature Transform,SIFT）法提取图像特征并进行初步匹配,利用匹配点领域灰度相关性来进行精匹配和误匹配点的剔除,最后获得图像位移差,进而完成图像配准。实验结果表明,这种方法能够提高多光谱波段间影像的配准成功率,准确率达到95％以上,大幅改善了匹配精度。     

涡旋式等离子体反应器流场的试验研究

本文给出了用激光多普勒测速仪（ＬＤＡ）测量涡旋式电弧等离子体化学反应器流场的实验研究结果。实验表明：这类等离子体反应器中，旋流切向速度分量和轴向速度分量径向分布划分成近轴，过渡和近壁区。喷入电弧等离子体射流对等离子体反应器流场的影响区域是近轴区，对过渡区和近壁区没有影响。提高旋流强度，轴向载面上旋流的两个速度分量轻向分布分别呈相似的分布形式，等离子体反应器呈层流流动状态。     

微流控芯片技术在血细胞变形和流动性分析研究中的应用进展

近年来，随着微流控芯片技术的快速发展，微流控芯片在生物医学研究领域得到了广泛关注。由于其具有高通量、高灵敏度、集成化、低消耗及可控化等诸多特点，为在多细胞水平研究细胞迁移和分选动力学提供了新的技术平台。利用微流控芯片微通道结构设计灵活的特点，可在实验条件下模拟正常的生理和病理条件下的复杂血管；其微米尺寸的微通道也适于单细胞引入、操纵及检测。因此，用微流控芯片技术在单细胞层面对细胞生物力学性能表征也引起了广泛关注。以健康和疾病中的血细胞为例，从单细胞变形、流动、黏附、机械疲劳等力学性能表征到多细胞迁移及分离动力学等方面归纳目前微流控芯片技术在细胞力学分析和表征方面的研究进展。     

基于多尺度 3D-2D卷积神经网络的高光谱图像分类

设计提出了 1种针对高光谱图像分类任务的 3D-MSCNN模型。在 PCA降维的基础上,利用 3D空谱特征提 取网络和 2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度 地表覆盖的表达能力。最后,利用 Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在 In. dian Pines和 Pavia University数据集上都取得了较好的分类效果。与 CD-CNN、3D-CNN、SS-Net和 HybirdSN等方法相 比,本文算法能够有效提升总体精度、平均精度和 Kappa系数等客观评价指标。