钛合金TC4高温动态压缩力学行为研究

利用分离式Hopkinson压杆和微型Hopkinson压杆测试钛合金TC4材料,在温度为20～800℃之间,应变率103/s和104/s下的压缩力学行为,定量研究温度和应变率对材料流动应力的影响规律。结果表明:随着温度升高,材料应变率呈现增大趋势,而随着应变率变化,材料温度敏感性变化不大。     

高温下开孔复合材料层合板压缩试验及有限元分析

在高温环境下对开孔复合材料层合板进行压缩性能试验及其损伤的有限元分析,将得到的压缩强度进行比较,两者相差3.1%,在误差允许的范围内。同时由有限元损伤分析,得到了各铺层角的具体失效损伤图。结果表明,复合材料层合板开孔压缩有限元损伤分析,能够很好地得到复合材料层合板在压缩过程中的损伤扩展和最终破坏,并最终预测复合材料层合板压缩失效模式和压缩强度。     

联合压缩感知与干扰白化的脉冲干扰抑制方法

针对L频段数字航空通信系统1(L-DACS1)以内嵌方式部署在航空无线电导航频段而产生的测距仪脉冲干扰(DME)正交频分复用(OFDM)接收机的问题,提出联合压缩感知与残留干扰白化的测距仪脉冲干扰抑制方法.首先接收机通过空子载波信道来观测测距仪脉冲干扰,并利用测距仪脉冲干扰在时域的稀疏特性,基于l1范数最小化约束的凸优化方法重构测距仪脉冲干扰;然后将重构的脉冲干扰转换到频域进行干扰消除;最后,接收机通过信号解交织器与逆正交变换器将残留的脉冲干扰转换为高斯白噪声,避免了残留干扰信号造成的突发性解调错误.仿真研究表明:联合干扰抑制方法可有效消除测距仪脉冲信号干扰,显著提高L-DACS1系统链路传输的可靠性.      

CAS-DIS数字电离层测高仪系统研制

提出了将射频直接采样数字化的接收方式应用于数字电离层测高仪系统的设计方案, 并详细介绍了该方案在CAS-DIS (Chinese Academy of Sciences, Digital Ionosonde)电离层测高仪系统的应用, 给出了CAS-DIS电离层测高仪在中国武汉电离层探测标校试验场和武汉-北京斜向电离层探测系统中的实验结果. 观测结果表明, 采用本文提出的数字化方案设计的电离层测高仪系统性能优越, 且可以分别工作在垂直和斜向探测模式, 满足了电离层探测的多种应用需求.      

守恒律方程的导数人工压缩法

将高分辨率差分格式用于守恒律方程的导数方程,可以克服传统高分辨率格式在极值点精度退化的缺点,类似于Harten的人工压缩法,新方法称为导数人工压缩法.本方法既能提高间断的分辨率,又能提高极值点处的分辨率,是一种高分辨率低耗散低扩散格式.用单个守恒律方程带间断和多极值的初值问题和一维激波管问题进行了验证,比较了Harten-TVD,人工压缩,导数人工压缩方法的在间断和极值点的分辨率问题.     

基于Delaunay背景网格插值和局部网格重构的变形体动态混合网格生成技术

建立了一种基于Delaunay背景网格插值方法和局部网格重构方法相结合的变形体动态混合网格生成方法.首先利用作者发展的定态混合网格生成技术生成变形体初始网格,即变形体附近利用结构化的四边形网格,外场采用自适应Cartesian网格,中间由三角形网格过渡.当物体运动或变形时, 首先利用Liu和Qin提出的基于Delaunay背景网格的插值方法对变形体附近的网格进行变形;当物体运动或变形位移很大导致局部网格质量急剧下降、甚至网格相交时,则在局部重新生成网格.利用该方法生成了多种变形体外形的动态混合网格,如单个鱼体、双鱼串列巡游,昆虫单翼、双翼扑动,多段翼型变形等,并在鱼体巡游的非定常数值模拟中得到了应用.     

基于社团结构节点重要性的网络可视化压缩布局

为有效展示网络的中观尺度结构,将力导引布局算法与网络社团结构特征相结合,提出了一种基于社团结构节点重要性的网络可视化压缩布局方法。首先,采用Louvain算法对网络进行多粒度社团结构划分;然后,通过计算社团结构中节点的拓扑势评估节点的重要性,保留社团结构中的重要节点,合并边缘节点,实现社团结构压缩;最后,采用力导引布局算法布局压缩网络节点,实现网络可视化的压缩布局。实验结果表明:所提方法在压缩节点和连边规模的基础上,能够完整保留原始网络的社团构成,并且通过保留社团结构代表点可以清晰展示社团内部结构,突出社团和重要节点在网络结构中的位置和作用。      

基于CS的正则化稀疏度变步长自适应匹配追踪算法

压缩感知(CS)能够突破Nyquist采样定理的瓶颈,使得高分辨率信号采集成为可能。重构算法是压缩感知中最为关键的部分,迭代贪婪算法是其中比较重要的研究方向。对压缩感知理论进行了详细分析,并在现有重构算法的基础上提出了一种新的迭代贪婪算法——正则化稀疏度变步长自适应匹配追踪(RSVss AMP)算法,可在信号稀疏度未知的情况下,结合正则化和步长自适应变化思想,快速精确地进行重构。相比于传统迭代贪婪算法,本文算法不依赖于信号稀疏度,并且应用正则化以确保选取支撑集的正确性。此外,应用自适应变化步长代替固定步长,能够提高重构速率,而且达到更高的精度。为了验证本文算法的正确性,选取高斯稀疏信号和离散稀疏信号分别进行仿真,并与现有算法进行比较。仿真结果表明,本文算法相比于现有算法可以实现更加精确快速的重构。