对测量不确定度的一些思考

对测量不确定度在实际评定过程中出现的一些问题进行了分析,并提出了自己的观点,供讨论.     

边带衰减陡峭的5模波导滤波器

利用一模提取衰减极点的方法在多模波导滤波器里实现了衰减陡度很高的类椭圆函数滤波器。其实验件的实测特性与理论计算特性吻合较好。     

高压段含有颗粒的含灰气体激波管流动数值模拟

本文给出了用类特生法计算的高压室含灰的无限长激波管非平衡流动解。以膜压比Ｐ４１＝５．０、高压室含灰的体积分数α４＝０．０１为例，详细分析了非平衡流场，并同冻结流解和平衡流解作了详细的对比分析，清楚地显示了含灰气体激波管非平衡流动从冻结流向平衡流过渡的各种细节，说明了基于冻结声速的非平衡流类特征线法计算何以能得到无限趋近于平衡流解的原因。本文的结果表明，类特征线方法可以提供非常精细的气固二相流非平衡     

国产民用运输类飞机障碍物限重计算模型优化研究

航空公司使用多年的某国产民用飞机性能软件,在障碍物限重计算准确性方面虽能获得较满意的结果,但计算时间较长。分析该软件所用计算模型计算效率较低的原因,通过对比采用最小改平高和采用最大改平高两种模型的计算结果和计算效率,建立优化模型,计算不同障碍物、不同风速条件下,优化模型与原模型的障碍物限重、改平高度和计算时间,并进行比较分析。结果表明：两种模型的障碍物限重和改平高度计算结果基本相同;无障碍物时,不论有风无风,采用最小改平高的优化模型相对采用最大改平高的原模型均可减少计算时间25%;有障碍物时,无风情况下,采用最小改平高的优化模型可减少计算时间78% 以上,有风时,则可减少计算时间75% 以上。采用最小改平高的模型可以兼顾准确性和高效性。     

面向卫星多目标重复观测任务的分层聚类规划

针对敏捷卫星多目标重复观测任务规划面临的可行任务执行序列集合规模庞大困难,提出了一种任务执行序列时间解耦的分层聚类任务规划方法。该方法以规划过程中的可观测窗口和任务执行窗口为聚类对象,通过单次可观测窗口聚类和多次任务执行窗口聚类将任务集合按任务窗口属性分解为一系列时间解耦的小规模集合,在两次任务执行窗口聚类间使用基于贪婪优化的搜索算法对聚类生成的小规模任务集合分别进行集合内任务规划,最后将各集合的任务规划结果合并后得到所有任务的执行序列。仿真结果表明,该分层聚类方法可有效降低全局优化复杂度,消解不同优先级观测任务的冲突,提高任务规划质量,能够在不降低目标点观测完成率的前提下对有多个观测机会的目标点进行重复观测,且算法稳定性好,能在数秒内得出规划结果,适用于星上自主任务规划。     

利用有限仿射辛空间中超平面构作结合方案

设Fq是一个q元域，用Fq上仿射辛空间中的全部超平面构作了类数为3的结合方案，并计算了参数。     

基于局域网的通讯程序在VC++6.0中的设计与实现

论文介绍了网络通讯程序的原理以及如何使用VC ++6 .0中的CSocket类来进行数据的收发。最后给出一个在VC ++6 .0环境中用CSocket类来实现的网络通讯程序实例。     

基于进化计算的无人飞行器多航迹规划

针对飞行器多航迹规划问题展开研究。在分析多峰值函数优化问题的基础上，提出了一种基于进化计算的飞行器多航迹规划方法。该方法通过使用特定的染色体表示方法和进化算子，可以有效利用各种环境信息，处理各种航迹约束。同时，通过引入聚类算法，将种群中的个体按其空间分布进行聚类，生成若干个不同子种群。在进化过程中，所有个体只在各自的子种群内部进化。当进化结束时，每个子种群将分别生成一条各自的最优航迹，从而为飞行器生成多条不同的可选航迹。仿真结果表明了该方法的有效性。     

我国超精密加工设备的产业化进程

我国机床制造业在世界上已经占有一席之地,但生产的绝大多数依然是普通级精密机床,而超精密加工设备尚未达到工业化生产水平,一些关键元部件还依赖进口,自主研制价格高、周期长,缺乏精度稳定性和设备运行的长期稳定性.应在重视超精密基础元部件研发的基础上,联合国内优势单位组建超精密加工设备产业化研发和生产基地,加强超精密加工设备产业化开发,满足国家重大型号任务的需求.     

基于非欧式距离的可能性C-均值聚类

改进型可能性C-均值聚类(Improved possib ilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possib ilistic C-means,PCM)的基础上得到的。在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种新的距离度量以代替IPCM的目标函数中的欧式距离度量,提出了一种新的可能性C-均值聚类模型(A lternative improved possib ilistic C-means,A IPCM),并给出了该模型的具体实现算法。A IPCM具有良好的鲁棒性,更适合对含有噪声或野值的数据进行划分聚类。仿真实验表明,A IPCM能克服噪声敏感性问题,获得合适的聚类中心和高的聚类准确率。