声处理蜂窝夹层结构在飞机座舱降噪设计中的应用

 本文简要介绍了在螺旋桨飞机座舱降噪设计中采用的蜂窝刚度处理技木。通过对蜂窝夹层结构板的声透射理论分析,阐明了利用这种降噪处理方法改善低频螺旋桨飞机座舱噪声环境的原理;给出了机身侧壁壁板试件经过蜂窝刚度处理前后的隔声量试验结果。通过处理前后两种状态下隔声量曲线的比较,表明蜂窝刚度处理对改善机身侧壁壁板低频隔声量的效果。     

歼击机垂尾声载荷研究

 <正> 垂尾紧靠涡轮喷气发动机尾喷口,随着飞机发动机功率的迅速提高,垂尾声载荷问题的研究愈来愈急需。因空测飞机垂尾声载荷难度较大,费用较贵,本文介绍关于地测声载荷的研究。     

大型民用运输机噪声航迹及其仿真研究

噪声是民机型号适航合格取证的一项重要指标,噪声航迹是噪声合格审定的重要环节。本文讨论大型客机噪声合格审定基准噪声航迹及其计算。首先明确当前噪声航迹的定义,接着提出一种满足当前适航条例的民用运输机噪声航迹计算模型,最后给出算例分析,并指出未来研究的方向。     

风扇/压气机气动设计技术发展趋势——用于大型客机的大涵道比涡扇发动机

分析了大型客机使用的当代先进大涵道比涡扇发动机及其下一代的风扇/压气机气动设计技术的现状和发展趋势,探讨了我国研制高性能大涵道比涡扇发动机在风扇/压气机方面所面临的严峻挑战,以及为了满足我国研制大涵道比涡扇发动机的需求,需要在风扇/压气机气动研究方面尽快展开的一些关键研究.      

大涵道比涡扇发动机风扇/压气机气动设计技术分析

 对用于大型客机的大涵道比涡扇发动机的风扇/压气机气动设计技术现状及其发展趋势进行了概述,分析了其技术难点,旨在说明我国发展高性能大涵道比涡扇发动机在风扇和压气机方面将面临的一些挑战,并分析亟待突破的一些关键技术。     

伪距噪声建模方法研究和分析

主要介绍从GPS原始数据中提取伪距噪声的方法,并利用MATLAB非线性拟合工具箱cftool中的参数逼近模型对提取出的伪距噪声建模,针对几种较好的建模结果进行数据回放和比较,确定最佳建模方案.建模结果可用于Galileo系统空间信号误差（signal-in-space error）的实时估计和用户完好性算法的研究.     

基于瞬时相位的BPSK信噪比估计算法

通过对加性高斯白噪声条件下正弦型信号瞬时相位分布情况进行研究,提出了一种新的BPSK(Binary Phase Shift Keying)信噪比估计方法.含噪信号瞬时相位的方差与信噪比之间存在近似线性的一一对应关系,以此为基础通过将含噪信号的估计方差与理论值相比较获得信噪比估计值.该方法直接对基带过采样信号进行处理,不需要事先进行符号定时与同步.使用计算机仿真测试了算法的估计性能,并与高阶累积量方法和子空间分解方法进行了比较,结果表明该算法具有更高的估计精度.      

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。     

低噪声风力机翼型设计方法及实验分析

为了研究风力机翼型的噪声特性,基于翼型泛函集成理论与翼型噪声计算模型,建立了低噪声翼型优化设计数学模型,提出在设计攻角情况下升阻比与噪声比值最大为目标函数,对优化后的新翼型CQU-DTU-B18翼型与NACA-64-618翼型在相同的风洞实验及风速条件下进行了噪声对比分析.研究表明,理论噪声计算模型虽然与实验数据有一定的偏差,但是翼型的升压级随频率的变化趋势是一致的,表明了翼型噪声计算模型的准确性;相比NACA-64-618翼型,CQU-DTU-B18翼型具有更低的噪声特性,从而验证了该设计方法的可行性.对于如何设计低噪声翼型及怎样降低翼型噪声具有重要的指导作用.      

面向航天器综合测试系统的Web缓存替换策略

航天器一般为复杂系统,其作为典型安全苛刻系统,在综合测试过程中会产生大量测试数据。在查询这些测试数据时,现有的B/S数据查询技术,每次查询时采用从数据库服务器中获取数据的方式,极大地消耗了数据库服务器的资源,占用了大量的网络带宽,导致系统的整体性能下降,用户体验不佳。通过对安全苛刻系统综合测试数据特点和用户查询特征的分析,基于经典Web缓存替换算法GDSF,提出一种适用于B/S数据查询系统的Web缓存替换算法GDSF-STW。该算法是在GDSF算法的基础上,引入了数据流挖掘中的时间衰减模型,并采用滑动时间窗口的思想,提高缓存命中率,从而提高系统的性能,改善用户体验。通过GDSF-STW与LRU、LFU、LFU-DA、GDSF等经典算法进行实验对比,结果表明,GDSF-STW算法具有更好的缓存命中率。