《航空动力学报》征稿简则

<正>《航空动力学报》是中国航空学会和北京航空航天大学共同主办的学术性期刊(月刊)。本刊坚持"创新性、实用性、科学性"的编辑方针,主要刊登航空航天发动机的原理与设计、气动热力学、叶轮机械、燃烧学、传热传质、强度与振动、自动控制、机械传动、实验技术以及热动力工程等方面的最新科技成果。     

一种基于潜在语义索引的谱聚类方法研究

传统的文本聚类算法存在文本向量维度过高,算法易陷入局部最优问题。针对上述问题,提出了一种适用于文本的基于潜在语义索引的谱聚类方法,该方法应用了潜在语义索引和谱聚类方法的优点。不仅分析了词与词之间的语义关系,而且适用于任意形状分布的样拳数据聚类。针对航空安全报告的聚类实验表明,该方法取得了较好的聚类效果。     

基于瘦索引服务器P2P网络系统的设计与实现

P2P网络是一种与传统的C／S模型完全不同的对等式网络应用模型，可应用于协同工作、资源搜索以及文件共享等方面。本文在分析P2P现有软件和技术的基础上，提出了基于瘦索引服务器的P2P应用模型，分析了该模型的优缺点，给出了该模型的设计方案，并结合其实现过程重点讨论了索引中相同文件识别的方法、多点传送和网络中介服务技术的实现。     

CMOS集成压控振荡器设计

通过分析CMOS差分负阻振荡器的工作原理,得到电路结构和参数的优化方案。基于0.18μm工艺,采用片上电感和可变电容,设计了一种基于开关调谐电容结构的宽可调范围的分段线性互补型交叉耦合CMOS集成压控振荡器。在提高振荡器的可调范围的同时,降低相位噪声。电路采用HSPICE进行仿真,在1.8 V电源电压下,振荡频率的变化范围为1.55 GHz~2.86 GHz,可调范围约为60%。功耗为5 mW~10 mW,相位噪声在10 MHz频率偏移处为-110 dB/Hz。     

时变线性系统的全程滑态变结构控制研究

本文采用分段定常的处理方法研究了一般时变线性系统的滑态变结构控制方案，提出了实时自动分段原则与相应的全程滑态结构控制算法，并通过数字仿真验证了该方案的有效性。     

基于主动超节点的DHT分层P2P模型研究

随着计算机硬件和计算机网络迅速发展,P2P网络模型的优势日渐被人们所重视。基于P2P网络模型的应用也层出不穷,在P2P网络中如何高效地定位节点资源是衡量P2P应用软件价值的重要参考点,也是目前研究的热点。在现有超节点机制和DHT网络的基础上,采用主动网络技术和分层DHT模型,在原理分析和模型设计的前提下,提出了一种主动超节点的DHT分层机制的P2P模型,并通过试验此模型对该机制进行了分析。     

基于显式制导的月地返回轨道中途修正研究

月地返回轨道存在各种摄动误差,终端约束复杂,有必要对其进行中途修正研究。显式制导法通过二体轨道与精确轨道之间的差别进行多次迭代求解给定时刻所需的修正速度。文章利用显式制导法,采用月球段及地球段分段进行中途修正的策略,给出了基于分段落点预报显式制导的月地返回轨道中途修正方案。该方案无需计算雅克比矩阵,算法简单、计算快速、实用性强,能满足再入点参数要求。算例仿真与蒙特卡洛仿真验证了该方案的适用性。     

基于分段模型的测速雷达电波折射误差修正方法

针对高精度测速系统在优化设备时取消探空气象测量的要求,提出用统计大气折射率剖面分段模型代替探空测量剖面,并在此基础上建立了基于分段模型的测速雷达电波折射误差修正方法。利用某测站历史气象数据对该方法进行了验证,结果表明精度较高,基本上能够满足测速雷达数据处理电波折射修正的精度要求。     

基于自适应分段混合系统的轴承故障诊断

针对强噪声背景下轴承早期故障的诊断问题,提出一种基于自适应分段混合随机共振（adaptive piecewise hybrid stochastic resonance,APHSR）系统的检测方法。采用经验模态分解法（EMD）进行信号预处理,分别采用能量密度法和相关系数法去除高、低频噪声,自动筛选最优固有模态函数,经尺度变换后输入分段混合随机共振系统模型,提取故障信号。工程实验显示:经过APHSR系统,轴承故障特征频率的频谱幅值、频谱幅值与周围最大噪声之差和最大信噪比（SNR）均高于经验模态分解和经典随机共振方法,其中齿轮箱故障轴承信噪比分别提高了9.579 dB和7.473 dB,转子故障轴承信噪比分别提升了8.597 dB和5.695 dB,对凯斯西储大学故障轴承数据处理后的信噪比分别提升了3.369 dB和17.043 dB。数据表明APHSR方法具有高效性,提高了轴承故障信号诊断能力。      

韦布尔背景下ODV检测器的筛选性能分析

研究了在韦布尔背景下一种基于ODV的恒虚警检测器。通过连续地使用基于ODV的统计量和相应的假设检验,这种检测器对有序样本进行删除来估计背景的噪声功率水平。在均匀背景及加入干扰两种情况下,通过仿真验证ODV方法的筛选性能。结果表明,ODV方法在韦布尔背景下的筛选性能是理想的,而且此方法不需要知道任何关于背景的先验信息,且具有自适应筛选的优点。