美国空军资助高效太阳电池设计

美国空军航空推进电力实验室最近资助了转换效率达30％的太阳电池研究工作。光伏部技术经理把这一计划称为高风险高投资计划。目前,硅太阳电池的起始转换效率只有14.5％,而新型GaAs太阳电池(仅在少数卫星上安装)的效率已达21.5％。聚光电池目前,美国有3家公司开展聚光电池的研究工作。Varian公司获得260万美元的研究合同;Spire公司获得150万美元的合同;三角研究公司的研究所获得50万美元的合     

聚氨酯改性聚异氰脲酸酯泡沫塑料和聚氨酯泡沫塑料的性能比较

从聚氨酯改性聚异氰脲酸酯泡沫塑料的主链结构出发，在和聚氨酯泡沫塑料的性能对比中，突出了前者的优异性能，为开拓其应用，展示了美好的前景。     

纳米碳粉掺杂对激光烧蚀GAP的推进性能影响

实验以含能聚合物聚叠氮缩水甘油醚(Glycidyl azide polymer,GAP）作为激光烧蚀微推力器的靶材。通过对不同浓度纳米碳粉掺杂和靶材厚度下激光烧蚀GAP的比冲、冲量耦合系数和能量转化效率测量，结合靶材喷射羽流图像，分析了纳米碳粉掺杂提高激光烧蚀聚合物靶材推进性能的机理，给出纳米碳粉掺杂的适用方式。实验结果表明：透射式下，掺杂纳米碳粉之后，聚合物对激光的吸收大幅增强，但激光烧蚀推进性能不随掺杂浓度增加而显著提升；纳米碳粉吸收激光能量形成温度极高的局部热区促进聚合物中化学能的释放，是推进性能提升的主要原因；掺杂纳米碳粉之后的GAP烧蚀深度降低，表现出面吸收特性；随着靶材厚度的增加，未完全烧蚀的工质质量增加，使得靶材的利用率大大降低，导致聚合物推进性能下降。实验中掺杂3%纳米碳粉、厚度为54 μm的GAP靶材最优能量转化效率超过250%，适合作为透射式激光烧蚀微推力器的靶材。     

一种卫星对地观测需求分析方法

针对卫星对地观测任务需求分析方法研究的复杂性和迫切需要,文章通过把文本化的卫星观测需求编码成数值向量的形式,提出需求之间的相似度度量方法。进而基于无监督学习的相关理论和算法,给出向量化表示的需求聚类算法。同时为了能在二维平面直观展示分析高维需求数据,在引入需求之间距离计算方法的基础上介绍了高维数据的降维算法,并且通过测试数据验证了算法的有效性和可行性。通过把繁杂的需求信息转换成高维空间向量,能大大降低分析人员对领域专业知识的依赖,提升需求分析的效率和科学性。     

敏捷SAR卫星聚束模式姿态机动策略研究

提出了敏捷SAR卫星聚束模式姿态机动参数计算方法,充分考虑了相位中心位置和离轴角的影响,通过矢量计算方法得到敏捷SAR卫星聚束模式成像所需的初始姿态角,通过迭代计算消除相位中心位置影响,得到准确姿态角。文章通过Matlab和STK软件联合仿真,验证了上述计算方法的有效性。     

基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

网络图中边集束优化问题

网络规模增大和复杂度提高造成的节点遮挡覆盖和边交叉阻塞等问题成为网络可视化研究的热点.针对网络中出现的视觉凌乱问题,以空间位置和群组关系为出发点,从网络中独立的边和群组两个层次,以边汇合的角度研究边集束技术,将网络中临近的边集聚成束以降低视觉复杂度,提出和改进了分段力导引算法(FDA)简化模型和群组边相容的网络图边集束模型.其中分段集束模型,提出以二次样条曲线表示网络边,通过样条控制点进行迭代汇聚的方法,实现了网络中边的集束;针对分段集束模型中部分连线过度弯曲问题,提出通过CNM聚类算法将网络进行群组划分,在群组结构的基础上对组内连线应用边相容原则,根据连线的匹配系数计算其集束程度的方法,网络图集束后曲线扭曲变形减少,曲线过渡更加平滑.选取国内航空网络作为案例,通过两种边集束模型进行网络图简化,分析结果表明,国内机场的群组结构具有地理属性的相近性,航空网络在整体上呈现出明显的十字脉络,东西走向和南北走向的航线分别汇聚集结成束,表现了航空网络建设在南北和东西方向的总体趋势.本集束简化算法适用性广,绘制的网络图具有良好的视觉效果和可读性.      

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。