大展弦比复合材料机翼的非线性颤振分析

大展弦比机翼在气动力作用下产生较大变形,颤振速度和颤振频率随之发生明显变化,线性理论难以获得比较合理的解答。综合考虑了结构几何非线性、气动非线性和材料各向异性对机翼运动状态的影响,将复合材料机翼建模为非线性薄壁单闭室截面梁,建立机翼的运动方程,并使用小扰动分析的方法得到机翼在平衡位置附近的振动方程。采用Theodorsen非定常气动理论构建气动模型,获得机翼在平衡位置附近的非线性颤振方程,并利用v-g法判定机翼颤振稳定性。通过算例演示了一些非线性颤振的特点,讨论了铺层角、展弦比、机翼线密度等参数对颤振速度的影响,并与线性理论得到的结果进行对比。     

稳恒磁场安培环路定理的论述与推导

稳恒磁场安培环路定理是磁场的重要场方程,它反映了磁场的涡旋性及磁场与电流的关系,给出通过电流的分布求解具有某种对称性系口均匀性磁场的途径.文中准确地叙述了磁场安培环路定理,并对该定理给出了详细准确的论证,它克服了一些〈大学物理〉教材中关于磁场安培环路定理叙述的不准确问题,并避免了由于环路定理叙述的不准确而造成求解由电流产生磁场的某些错误,对进一步认识和理解磁场的性质将有所帮助,也给出用矢量场分析磁场性质的一种方法.     

固体火箭发动机动力相似准则研究

本文以小发动机模拟大发动机为目标，探讨固体火箭发动机的动力相似准则，首先把动力相惟问题归结为燃烧室，喷管一体化流动的相似问题，通过对全三维Ｎ－Ｓ方程所进行的无量纲化分析，在几何相似的前提下，得到固体火箭发动机动力的流上似准则，再通过对控制方程的单值性条件所进行了无量纲化分析，得到了在初始状相似条件下的燃速相似准则；另外还得到了飞行条件相似、燃烧温度相似以及普朗特数相等。并进一步对这些准则进行了分析     

一个时限信号采样定理及其在数据压缩中的应用

证明了一个时限信号采样定理，该定理指出：（１）对于一个带限信号，如果样点按照Ｎ阶Ｃｈｅｂｙｓｈｅｖ多项式的零点位置分布，则可在有限的时间长度之内获得信号的近似最佳一致逼近，在采样密度大于Ｎｙｑｕｉｓｔ率２．１３５倍的条件下，截断误差的上界随着样点个数的增加呈指数衰减；（２）若用Ｃｈｅｂｙｓｈｅｖ多项式的线性组合形式进行内插，内插过程稳定。将此结果用于数据压缩可得到一个结合非均匀采样的ＤＣＴ方法。计     

应变天平静校系数计算方法的讨论

本文从最小二乘法出发,推导了天平静校系数的简易算式和将该式用于线化计算时的偏差计算式以及改进算法,并给出了算例。     

一种基于叶盘结构几何失谐的降阶分析方法

叶片几何失谐严重影响叶盘结构的振动特性。为了准确且高效地对存在叶片几何失谐的叶盘结构进行振动分析,基于扇区建模方法,由动力学方程推导出降阶模型的表达式,利用该降阶方法对整个几何失谐叶盘结构分别进行模态分析和受迫响应分析,并与有限元方法进行固有频率和受迫响应结果的对比。结果表明:该降阶方法得到的结果与有限元方法得到的结果基本一致,验证了该方法的有效性和实用性。     

基于级数展开的位置误差加权定位方法

随着对海洋探索的愈加深入,对水下目标探测能力的要求也愈发严格。针对噪声干扰严重时算法性能大幅度下降的问题,文章主要研究仅利用分布式矢量水听器的波达方向信息对未知目标进行融合定位。在已有的基于位置误差加权方法的基础上,利用几何二次约束减小波达方位角量测误差,并结合泰勒级数展开,将一阶权值推导至高阶,解决在低信噪比情况下定位精度差的问题。仿真结果表明:相对于传统的基于方差倒数的自适应加权算法,该方法在定位精度上有很大提高,尤其在低信噪比的情况下效果显著。     

航空复杂产品的 CATIA 结构稳健建模方法研究

针对现有建模方法无法有效对航空产品 CATIA 模型进行快速修改与重用的问题,提出了以曲面分割为建模策略的结构稳健性建模方法。该方法通过对父子关系关联传播路径进行分析,找出影响 CATIA 特征模型结果稳健性的因素,即几何元素方向、几何拓扑元素、建模策略。通过研究特征构建时,输人元素的性质和基于此性质的操作方法,实现结构稳健性建模,即通过对外部输人和建模过程中的关键几何元素进行方向控制、创建显式参考代替几何拓扑元素、禁止使用复杂草图、采用基于曲面分割的设计特征模块化建模策略等方式,实现特征模型的快速修改与重用。工程实例证明了所提方法的实用性和可靠性。     

N-fold Bernoulli probability based adaptive fast-tracking algorithm and its application to autonomous aerial refuelling

Recently, deep learning has been widely utilized for object tracking tasks. However, deep learning encounters limits in tasks such as Autonomous Aerial Refueling (AAR), where the target object can vary substantially in size, requiring high-precision real-time performance in embedded systems. This paper presents a novel embedded adaptiveness single-object tracking framework based on an improved YOLOv4 detection approach and an n-fold Bernoulli probability theorem. First, an Asymmetric Convolutional Network (ACNet) and dense blocks are combined with the YOLOv4 architecture to detect small objects with high precision when similar objects are in the background. The prior object information, such as its location in the previous frame and its speed, is utilized to adaptively track objects of various sizes. Moreover, based on the n-fold Bernoulli probability theorem, we develop a filter that uses statistical laws to reduce the false positive rate of object tracking. To evaluate the efficiency of our algorithm, a new AAR dataset is collected, and extensive AAR detection and tracking experiments are performed. The results demonstrate that our improved detection algorithm is better than the original YOLOv4 algorithm on small and similar object detection tasks; the object tracking algorithm is better than state-of-the-art object tracking algorithms on refueling drogue tracking tasks.     

基于主成分分析和Melkman算法的选星策略

导航定位中的选星算法是一种关键技术，用于从卫星中选择合适数量和最佳几何分布的卫星以实现最佳定位精度。针对基于二维凸包算法的选星策略在三维卫星数据降维处理中忽略垂直方向高度位置信息的问题，提出了一种基于主成分分析(PCA)和二维凸包Melkman算法的选星策略。首先，通过PCA技术将三维卫星数据投影到新的二维坐标系，新的二维数据同时保留水平平面位置信息和垂直方向高度位置信息，旨在降低维度的同时最小化信息损失。在新坐标系下，数据经过预处理后，采用二维凸包Melkman算法进行选星。实验结果显示:相较于直接投影到站心坐标系下的二维凸包选星算法，提出的选星算法不仅更准确地描述卫星的位置信息，使问题研究更加完备，还在保持相近仿真耗时的前提下，实现了较大的几何精度因子(GDOP)性能提升。