含CL-20 的NEPE推进剂热分解

借助热重-微商热重(TG-DTG)试验和差示扫描量热(DSC)试验研究了含CL-20的NEPE推进剂的热分解特性,探索了主要组分NG、CL-20、AP和催化剂之间的相互作用。实验结果表明,该推进剂的热分解过程分3个阶段:增塑剂(NG)的挥发和分解,PEG CL-20的分解,AP的分解。CL-20促进了NG和PEG的分解,NG与PEG并未影响CL-20的分解。AP的加入促进了CL-20的分解,同时CL-20也使AP的分解由单质2步分解合并为1步。Al粉在该体系中与其他组分的相互作用较弱。催化剂Ct1和Ct2在一定程度上抑制了推进剂中NG、CL-20和AP的起始分解,对于NG起始分解的抑制作用更为明显,当温度升高,抑制作用消失即分解开始时,分解速率大幅提高,从而使推进剂热分解的放热历程缩短,致使推进剂燃速提高。     

大尺寸自由活塞激波风洞重活塞软着陆关键技术

高焓激波风洞的驱动技术决定了风洞总焓和总压试验能力。重活塞压缩加热技术具有驱动性能强和运行灵活性高等特点，是高焓激波风洞关键驱动技术。针对重活塞发射效能、重活塞与壁面摩擦、膜片破膜等情况带来的大尺寸重活塞难以安全软着陆问题，通过理论分析、动网格数值模拟和试验验证相互结合的手段，分析了重活塞实际运动过程的影响因素，建立了重活塞调谐运行方法，获得了稳定的驱动压力，可为不同的模拟需求提供对应的试验状态。研究了质量为205 kg、275 kg的重活塞在压缩管中运行最高速度分别超过350 m/s、450 m/s的软着陆过程，获得了压缩管末端总压15 MPa、总温3 450 K和总压45 MPa、总温4 845 K的定压试验状态。本研究解决了大尺寸自由活塞激波风洞重活塞软着陆难题，保障了世界最大尺寸自由活塞驱动的FD-21高焓激波风洞中、质量为数百千克的重活塞、在长度为75 m的压缩管中的运行安全。     

基于渐进式注意力和分块遮挡的跨域行人重识别

针对跨域行人重识别中遮挡造成特征匹配缺失及细粒度辨识性特征被忽略的问题，提出了基于渐进式注意力和分块遮挡的跨域行人重识别方法。该方法通过学习行人未遮挡区域的多粒度辨别性特征，实现空间不对齐下的特征匹配。渐进式注意力模块将特征逐步分割为多个局部块，依次学习每块的辨别性特征，由粗到细地感知前景信息，从而解决目前网络不能提取多层次辨识性特征的问题，增强了特征的匹配能力；渐进式分块遮挡模块很好地适应模型逐步变强的学习能力特性，通过由易到难地生成遮挡数据，有效提取了未遮挡区域的辨识性特征，进而解决模型错误识别遮挡样本的问题，使得所提模型在遮挡情况下的鲁棒性得到有效提高。实验结果表明：所提方法在首位命中率和平均精确度2个指标上与当前主流方法相比具有显著的优越性；与2020年CVPR会议中QAConv行人重识别方法相比，在DukeMTMC-reID数据集(MSMT17→DukeMTMCreID)上的2个指标分别高出2.3%和6.2%，能够更加有效地实现跨域行人重识别，在OccludedDuke数据集(DukeMTMC-reID→Occluded-Duke)上的2个指标分别达到49.5%和39.0%，...     

基于布尔感知模型的N段有向覆盖与 K重全向覆盖

针对无线传感器网络节点的布尔感知模型，在满足覆盖要求的条件下，文章对N段有向感知中邻近段之间等概率跳变或以恒定角速度ω扫描2种情况，分别给出传感器节点工作在有向感知模型下的分段数Ⅳ与全向模型下的覆盖重数K之间的关系表达式。之后，进一步对节点以恒定角速度∞扫描，考虑时间积累的条件下，给出了时间m、分段数N与覆盖重数K的表达式。通过以上研究，可以将有向感知模型的覆盖问题转化为求取全向感知模型下的覆盖重数问题。     

基于Armijo准则和BFGS算法的运载火箭控制重分配

以某型运载火箭为研究对象，研究了伺服机构故障下的重构控制问题。将该问题转化为有约束二次规划问题，采用一种Armijo准则和BFGS算法相结合的控制分配方法来求解。Armijo准则可以保证优化算法的收敛性，而BFGS算法则避免了迭代过程对Hesse阵的求逆运算，且具有收敛快的优点。将该重构方法与不动点迭代算法进行了对比，该算法经过8次迭代收敛，目标函数值和误差值分别收敛到${\mathrm{10}}^{\mathrm{2}}$量级左右和${\mathrm{10}}^{-\mathrm{5}}$量级；而不动点迭代算法经过30次迭代尚未完全收敛，目标函数值和误差分别收敛到${\mathrm{10}}^{\mathrm{3}}$量级左右和${\mathrm{10}}^{-\mathrm{2}}$量级。结果表明该重构方法比不动点迭代算法收敛快且收敛精度高。以单台发动机发生卡死故障为例对该方法进行了仿真验证，得到了与无故障情况下相同的控制效果，验证了该重构方法的有效性和正确性。      

国产民机起飞场长限重不平衡起飞优化方法

为了充分利用机场跑道富余长度,提高国产民机商载能力,在满足民航适航和运行规章要求的前提下,就起飞重量、起飞速度比与平衡起飞决断速度对起飞距离的影响分别进行了单参数敏感性分析。通过仿真计算建立了实施组合参数敏感性分析的ARJ21-700飞机网格工具图,并进一步建立了不平衡起飞场长限重增量速查表,最后结合ARJ21-700飞机的实际运行环境对典型高原机场进行实例分析,比较了不同可用距离差异下使用不平衡起飞方法对场长限重和起飞速度比的影响。结果表明:实施不平衡起飞能够在满足规章要求的前提下有效利用跑道富余长度,增加商载能力,提升航空公司经济效益。     

面向目标分类识别的多任务学习算法综述

多任务学习(MTL)可以在训练中联合利用多个任务的监督信号，并通过共享多个相关任务之间的有用信息来提升模型性能。本文从目标分类识别应用角度，全面梳理和分析了多任务学习的机制及其主流方法。首先，对多任务学习的定义、原理和方法进行阐述。其次，以应用较为广泛、具有代表性且具有共性特点的细粒度分类和目标重识别为例，重点介绍多任务学习机制在目标分类和识别任务应用的2类方法：基于任务层的多任务学习和基于特征层的多任务学习，并针对每种类型进一步分类分析不同的多任务学习算法的设计思想和优缺点。接着，对本文综述的各种多任务学习算法在通用数据集上开展性能对比。最后，对面向目标分类和识别任务的多任务学习方法的未来趋势进行展望。     

基于随机遮挡和多粒度特征融合的行人重识别

针对行人重识别中存在遮挡及行人判别特征层次单调的问题，在IBN-Net50-a网络的基础上，提出了一种结合随机遮挡和多粒度特征融合的网络模型。通过对输入图像进行随机遮挡处理，模拟行人被遮挡的真实情景，以增强应对遮挡的鲁棒性；将网络分为全局分支、局部粗粒度互融分支和局部细粒度互融分支，提取全局显著性特征，同时补充局部多粒度深层特征，丰富行人判别特征的层次性；进一步挖掘局部多粒度特征间的相关性进行深度融合；联合标签平滑交叉熵损失和三元组损失训练网络。在3个标准公共数据集和1个遮挡数据集上，将所提方法与先进的行人重识别方法进行比较，实验结果表明：在Market1501、DukeMTMC-reID、CUHK03标准公共数据集上，所提方法的Rank-1分别达到了95.2%、89.2%、80.1%，在遮挡数据集Occluded-Duke上，所提方法的Rank-1和mAP分别达到了60.6%和51.6%，均优于对比方法，证实了方法的有效性。     

星载反射面天线赋形技术研究

星载反射面赋形天线为指定区域进行有效覆盖,减少相邻区域间的干扰,在卫星直播通信、雷达以及射电天文学等方面有广泛的应用。文章讨论了3种传统天线赋形技术:波前法、口面场优化法以及反射面直接展开法;针对在轨重赋形天线实现的两大困难,介绍了2种远场快速分析方法,讨论了反射型面控制方法。     

电动直升机关键性能指标及影响因素研究

本文基于电池、电机当前的技术水平和发展趋势，结合直升机性能估算方法，对某轻型直升机进行了全电化改型方案设计与性能计算，分析了改型前后续航能力和悬停升限等关键性能指标的变化，给出了电池能量密度、重量占比、电机功重比等对电动直升机性能的影响规律，提出了现阶段直升机全电化改型的建议。结果表明，当前电动直升机的续航能力仅能达到油动直升机的8%左右，但其悬停升限明显优于油动直升机，可根据实际任务场景，选择增加电池重量占比、加装辅助升力装置等方式提高电动直升机的续航能力。