时间依赖边界条件在亚声速自由射流数值模拟中的应用

对亚声速自由射流进行数值模拟时，无法预先给定远场边界和无反射入流边界上的速度值。以往采用的黎曼不变量在自由边界上给定无反射条件的处理方法，只给出了这些边界法线方向上的一维特征关系。时间依赖边界条件是一种高精度的边界处理方法，可以很方便地处理计算中遇到的各种边界，广泛地应用于DNS中。我们将这种边界条件用于定常流动的计算中，计算了出口马赫数为0．4和0．7的轴对称自由射流，获得了与实验结果吻合的数值模拟结果。     

稳态等离子体推力器低功率工作模式实验研究

稳态等离子体动力器（SPT）是技术性能和空间适应性良好的电推力器,是小卫星空间动力的理想选择。从实验的角度研究了额定功率为660W的SPT在低于其额定功率下运行,推力器的放电特性、推车特性、推力效率、比冲等性能随推力器工作参数的变化。实验结果表明：660W的SPT推力器在低于其额定功率下工作,具有稳定的放电特性和确定的推力性能,可以将较大尺寸的SPT推力器在低功率模式下运行来替代小尺寸SPT推力器的作用。     

计算机水平测试软件、考试管理子系统

本文介绍了基于客户机/服务器（C/S）模式的“计算机水平测试软件”系统的特点，系统构成以及计算机考试子系统的功能。分析了基于浏览器/服务器（B/S）模式和C/S模式的系统开发。     

固体推进剂裂纹燃烧扩展耦全的基本模式

通过对半无限板边裂纹的零维对流燃烧和变形扩展的模拟分析,揭示了固体推进剂裂纹燃烧扩展耦合的基本模式,燃烧流场和裂纹变形扩展相互作用,推进剂塑性变形对燃烧性能的影响,为燃烧断裂的深入研究提示了方向。     

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

切风模式风力发电飞行器的进展与挑战

风能是当今主流的可再生能源种类之一,目前传统风力发电机只能利用近地风能,而高空风能储量巨大且较为稳定,具有很大的开发价值及潜力。对于高空风能的利用,国际上已经制定出多种方案,部分已进行了飞行试验,而国内相关研究尚处于起步阶段。围绕高空风力发电系统(AWES)的种类和发展情况进行研究,分析了切风模式AWES的飞行原理,介绍了国外代表性的切风模式AWES项目案例,指出了切风模式AWES所包含的系留缆绳、精确控制、多功能基站以及综合优化等关键问题,为国内相关领域的后续研究提供参考。     

一种基于多支持向量机的增量式并行训练算法

为了改进传统算法,利用支持向量的特性,提出了一种基于多支持向量机的增量式并行训练算法(PMSVM)。选择对分类超平面有影响的样本点作为支持向量,以增加单个分类器的训练时间为代价换取整体训练和分类的精度。考虑到训练样本的分布对最终结果的影响,加入反馈向量进行适当的重复训练,以调整各分类器的学习性能。通过在测试数据集上进行的实验表明,该算法与批学习增量BSVM算法相比,在提高训练效率和分类精度的前提下,大大降低了训练时间。     

自适应选择抽取模式的运动估计算法

 提出一种去除运动估计中计算冗余的新方法,该方法与搜索算法结合,通过自适应选择抽取模式去除冗余。首先改进传统的一维梯度下降搜索算法,并提出由梯度下降方向自适应选择不同的抽取模式去除计算运动估计准则时的冗余。实验结果表明,该算法与全搜索以及没有去除计算冗余的梯度下降算法相比,视频质量没有较大影响,但是大大降低了计算量,在视频序列实时处理中有良好的应用前景。     

基于危险模式的无线传感器网络IDS模型

网络安全是无线传感器网络需要解决的重要问题之一,构建基于传感器网络的入侵检测系统是其中重要的技术.简要阐述了基于人工免疫模型及危险模式的入侵检测系统的机理,提出了一种基于危险模式理论的无线传感器网络的入侵检测系统体系结构,并对该模型的特点进行了分析,为进一步深入的研究提出了设想.     

Agent仿真中具有先验知识的混合学习算法与混合结构模型

强化学习是一种有效的机器学习方法,是无监督学习,通过不断地和环境交互得到外部环境评价信号,选择合适的动作。Q学习是一种典型的强化学习,其学习效率较低,尤其是当状态空间和决策空间较大时。为提高Q学习学习效率和收敛速度,采用具有先验知识的Q学习算法,利用模糊综合决策方法处理专家经验和环境信息得到Q学习的先验知识,对Q学习的初始状态进行优化;针对Agent个体学习与群体学习各自的不足,提出了采用混合学习算法,将个体学习与群体学习有效结合起来,提高了Agent的个体性能及系统整体的智能水平;同时为满足复杂适应性需求,采用Agent混合结构模型,在该模型中构造了基于知识的协调控制器,通过它来协调慎思式过程和反应式过程。