谐波平衡法数值模拟周期性非定常流动

谐波平衡法是目前非定常流动数值研究中颇受关注的频域计算方法,该方法计算效率高,特别是对于周期性非定常流动问题具有明显的计算优势。采用谐波平衡法数值模拟高超声速导弹标模模型在不同参数下的强迫俯仰振动,重建气动力/力矩系数迟滞曲线,将计算结果与时域方法相比较,详细考察谐波平衡法的计算精度、效率和内存需求,分析不同参数对谐波平衡法计算的影响。计算结果表明,谐波平衡法适用于中小振幅下的非定常流动计算,且计算时间基本不受减缩频率的影响,对于长周期低频问题,较时域方法有明显计算优势。     

PPQ-b-PEG刚柔嵌段共聚物的合成及热稳定性

以聚乙二醇单甲醚、丁二酸酐、4-氨基苯乙酮、5-乙酰基-2-氨基二苯甲酮为原料合成了以聚苯基喹啉(PPQ)为硬段、聚乙二醇(PEG)为软段的"刚棒—线团"两嵌段共聚物PPQ b PEG,通过IR、1HNMR对其结构进行了表征,并对PPQ b PEG嵌段共聚物的热稳定性进行研究,结果表明:PPQ b PEG(d)的热稳定性高,PPQ b PEG起始的分解温度为250℃,在250～400℃失重很少,其失重率小于5%,在400～600℃才迅速失重,到620℃时彻底分解。     

样条函数康特诺维奇法在复合材料板和圆柱曲板弯曲及线性稳定性分析中的应用

样条函数康特诺维奇法是作者首先提出的一种结构数值计算方法。它实质上是一种离散形式的康特诺维奇法,将二维问题化为一维问题,使问题的自由度数大幅度减少。在本文中,基于Mindlin假设,将样条函数康特诺维奇法应用于金属、复合材料单层板及圆柱曲板的弯曲及线性稳定性分析。     

高斯信号的量化分析

由于器件的约束条件不同,在数字信号处理中通常要对AD采样后的信号进行量化处理,如何提高量化的性能是量化的关键。针对N(μ,σ2)高斯分布的量化信号,使用理论推导的方式,得到量化损耗与限幅门限的关系式,并推导出对应量化损耗最小的最优限幅门限公式,其推导方法同样适用于其他随机信号。仿真试验证明了该公式的正确性,结论可应用于工程实现。     

高超声速飞行器滑翔制导方法综述

阐明高超声速飞行器滑翔制导的基本问题,分析滑翔制导过程面临的复杂多约束、机动任务要求、参数扰动等研究难点;分别就国内外标准轨迹制导方法和预测-校正制导方法相关研究现状展开综述,指出了这两类方法中存在的问题。在此基础上,提出高超声速飞行器滑翔制导研究中亟待解决的关键问题,并指出未来滑翔制导方法的研究热点。     

基于局部敏感哈希算法和神经网络学习的跨媒体检索方法

为了提高跨媒体检索的效率,可行的方法是降低数据集中不相关内容的比例。采用局部敏感哈希算法将图像数据映射到汉明空间并利用神经网络学习将文本数据映射到汉明空间的哈希函数,提出一种可以显著提高数据集中相关文件比例的高效跨媒体检索方法。实验结果表明,提出的方法能够有效去除数据集中的不相关内容,相对于已有的跨媒体检索方法,其有效提高了检索效率与准确率。     

军事通信中ad hoc网络路由协议性能分析

移动ad hoc组网灵活,抗毁性很强,将在未来的军事通信中发挥重要作用。因此,对于移动ad hoc网络研究中的首要的路由问题作了探讨,先简要介绍了两种典型的路由协议OLSR(Optimized Link State Routing)和AODV(Ad hoc On-Demand Distance Vector Routing),接着利用网络仿真工具OPNET分析了AODV的协议特点,最后比较了两种路由协议的性能。仿真结果表明AODV路由开销小,但时延大,节点移动过快时存在路由稳定性的问题;OLSR路由开销很大,但时延相对较小。因此在搭建军用adhoc网时,应根据实际使用情形做出选择。     

用最大熵谱法分离切削声发射信号的研究

对金属切削过程中不同声发射源的信号进行分离,是声发射技术用于切削状态监控以及提高其可靠性的关键。文中采用宽频带测试系统和最大熵谱分析方法,对车削过程中众多声发射源的声发射信号进行了分离实验研究。结果表明,在频域内进行不同声发射源的声发射信号的分离是可行的。     

监控视频运动目标的频繁轨迹模式挖掘

运用数据挖掘的方式分析运动轨迹数据在目前可以说是一种尝试。基于传统数据挖掘方法Apriori的思想,提出了一种监控视频运动目标的频繁轨迹模式挖掘算法。首先以特征点表示连续的运动目标轨迹,然后设计了一种轨迹相似度测量机制,最后基于相似度测量获得的轨迹段频率,将Apriori挖掘算法应用到2D运动轨迹数据,从中发现频繁轨迹隐含的一些感兴趣模式。实际的和人工生成的轨迹数据实验表明了算法的正确有效性。     

跨模态行人重识别的对称网络算法

针对模态间差异,提出基于对称网络的跨模态行人重识别算法,该网络将基于概率分布的模态混淆与对抗学习结合,通过对称网络产生模态不变特征,从而达到模态混淆的目的;针对外观差异和模态内差异,使用不同隐藏层的网络卷积特征构造混合三元损失,提高网络的特征表征能力.RegDB和SYSU-MM01数据集上的大量实验结果表明了该方法的有...