基于WCNS格式的VFE-2钝前缘三角翼转捩模拟研究*

采用高阶精度WCNS格式和γ-Re_θ转捩模型对VFE-2中等半径钝前缘三角翼进行了数值模拟,重点研究了前缘转捩对钝前缘三角翼涡结构的影响。计算结果与试验进行了详细对比,表明钝前缘三角翼的前缘分离涡发生在翼尖下游,在特定雷诺数下其具体发生位置受转捩因素影响,采用全湍流模型计算会推迟分离,而耦合转捩模型后的计算结果和试验吻合很好。然后基于耦合转捩模型方法,对钝前缘三角翼涡结构随迎角变化进行了模拟。计算结果与试验吻合,并表明在较小的迎角下,前缘不会产生分离诱导涡；随迎角不断增大,分离诱导涡在三角翼后缘附近产生并向上游移动。     

创新人才军民融合培养体系及其构建

创新人才军民融合培养构成人才强国战略、创新驱动发展战略和军民融合发展战略的交汇点。创新人才是战略资源,军民融合为创新人才培养提供了一条全新路径。作为一项系统工程,创新人才军民融合培养包括创新人才军民融合培养主体系统、创新人才军民融合培养客体系统、创新人才军民融合培养方案系统、创新人才军民融合培养资源系统、创新人才军民融合培养制度系统、创新人才军民融合培养考评系统,在系统构建过程中需加大统筹协调、投入保障、政策倾斜、法治保障、合理使用力度,注重体系推进。     

可压缩流大涡模拟耦合概率密度函数方法中的滤波压力模型

亚格子组分-温度关联项显著影响反应流大涡模拟精度。利用概率密度函数方法中概率等效的特点,发展一种新的滤波压力模型,可以良好封闭亚格子组分-温度关联项。介绍概率密度函数及其耦合求解方法,在已有模型基础上推导建立新的滤波压力模型,并在三维超声速氢气/空气时间发展反应混合层中对不同的滤波压力模型进行数值测试。结果表明,与传统的滤波压力模型相比,新的滤波压力模型可以明显改善反应混合层的模拟准确度。特别地,基于新的滤波压力模型,大涡模拟耦合概率密度函数方法可以较好地模拟链式反应中间微小组分如超氧化氢基等,有望更有效地再现自点火等复杂现象。     

涡轮盘疲劳寿命可靠性设计仿真及优化策略

涡轮盘是航空发动机主要部件之一,一旦发生破坏性故障将导致严重的后果。在充分考虑影响涡轮盘高低周复合疲劳寿命因素不确定性基础上,以MATLAB为平台,设计了涡轮盘高低周复合疲劳寿命可靠性优化设计的联合仿真平台。利用寿命函数和寿命可靠性分析极限状态函数中的共性需求,提出了在优化迭代的过程中自适应构建寿命函数Kriging模型和寿命可靠性极限状态面Kriging模型时共用训练样本点的策略。同时,提出了一种构建寿命函数Kriging模型的学习函数。使用所搭建的疲劳寿命可靠性优化设计平台,完成了某型涡轮盘盘心、榫槽以及涡轮盘系统高低周复合疲劳寿命的可靠性优化设计。结果表明,最优设计方案的局部最大应力显著降低,均值寿命大幅提高,并满足可靠性约束。     

求解BOOLEAN方程的新方法

应用分离表提出了求解BOOLEAN方程的新方法,该方法的基本思想是在求解BOOLEAN方程的过程中,去掉冗余计算,使得其计算速度大大的提高。同时还研究了该方法在数字电路测试产生中的应用。     

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

武警学院教考分离的实践与探索

教考分离是武警学院近年来探索、实施的一种考试管理模式,主要通过制定教学管理规章制度、实行集体命题、试题库、试卷库、流水作业评阅试卷、试卷分析、成绩分析等予以实施,具有规范、科学、客观等优点。对实施过程中存在的一些问题,通过采用现代化技术设备、加强各项规章制度的实施等措施和手段予以改进和提高。     

基于自适应滤波的坦克发动机振动信号的信噪分离方法

发动机表面振动是一种多振源、激励复杂的振动形式,在发动机测试时目标振动信号受到很强的噪声干扰,必须通过有效方法进行信噪分离.介绍了一种利用人工神经网络进行自适应滤波的信噪分离方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型滤除坦克发动机汽缸盖振动信号中的机体振动噪声,提高了信噪比,为汽缸盖振动信号的进一步分析处理奠定了基础.     

航拍图像车辆检测中的圆形滤波器HOG特征快速计算

航拍图像中车辆一般近似为矩形结构,因此通过统计检测窗口中的梯度方向直方图并根据梯度主方向估计车辆朝向,将检测窗口旋转到相应方向进行分类器判别。车辆检测采用级联boosting分类器和梯度方向直方图特征,针对旋转窗口中梯度方向直方图特征的计算,设计一种基于圆形滤波器的梯度方向直方图特征。与传统基于积分直方图的梯度方向直方图特征提取方法相比,显著提高了旋转窗口中梯度方向直方图特征的计算效率,在计算每个像素的梯度时采用查找表代替梯度向量的求模和角度计算也减小了计算量。使用真实图像进行的实验表明,该车辆检测算法快速高效。     

低错误平层数列分割移位低密度奇偶校验码构造算法

为降低LDPC(低密度奇偶校验码)码错误平层,提出一种基于环分类搜索的APPS-LDPC(数列分割移位的LDPC)码构造算法。该算法具有码长、码率和列重的任意可设性,同时该类码的Tanner图围长至少为8。循环移位因子可以通过简单的代数表达式描述,从而降低内存需求。仿真结果表明,当误码率达到10-5时,APPS-LDPC码(496,248)相对于PEG-LDPC(渐进边增长LDPC)码获得了约1.9 d B的性能提升;随着信噪比的升高,两条译码性能曲线之间的差距将更大。此外,列重为3的APPS-LDPC码(6144,5376)在信噪比4.6 d B以后并未出现明显的错误平层。该构造算法与PS-LDPC码相比,在误码率达到10-8时大约获得0.25 d B增益;与围长为4和6的PEG构造算法相比,在错误平层区域其译码性能极优;同时相较于此两者,其构造复杂度和耗时也展现出一定优势。通过基于Tanner图的诱捕集分析方法,统计APPS-LDPC码(496,248)中由8环组成的部分小型诱捕集并不存在,从而证明了其错误平层降低的原因。