国防科技助力“一带一路”建设

国防科技能够为"一带一路"沿线国家的经济、政治、安全、科技、文明等方面的发展进步做出重要贡献,我国可以将核能、航空、航天、船舶等国防科技领域作为重点先导领域推进实施。要着眼面临的机遇与挑战,着重从促进战略对接、打造品牌优势、推进军民融合、加强人才培养和关注人文交流等方面搞好战略应对。     

高中英语核心素养培养实施现状的调查分析 ——以石河子市G高中为例

在深化基础教育英语课程改革的背景下,通过诠释和拓展英语学科核心素养语言能力、文化品格、思维品质和学习能力四个维度的深刻内涵,对石河子市G高中英语核心素养培养现状开展调查研究,提出了G高中英语学科核心素养培养中的问题.从创设情境,优化英语学习环境;智慧课堂,焕发英语学习活力;优化作业,同步英语学习过程;深挖文本,贯通英语学习思维这四个方面提出了建议.     

超声速燃烧火焰放热区结构CH-PLIF成像技术

超燃冲压发动机是吸气式高超声速飞行器的关键部件之一,超燃冲压发动机燃烧室内火焰结构的研究对揭示超声速燃烧的稳焰机理具有重要意义。利用平面激光诱导荧光（Planar Laser-Induced Fluorescence,PLIF）技术测量了超声速燃烧直连式试验台燃烧过程中重要自由基CH的二维分布,实现了超声速燃烧火焰放热区结构的可视化。在开敞空间的低速射流火焰炉中使用甲烷/空气预混火焰对CH-PLIF技术进行了初步验证和系统优化,再利用CH-PLIF技术在凹腔稳焰的超燃直连台上实现了超声速燃烧火焰放热区结构的二维可视化,并与OH-PLIF和CH自发辐射测量结果进行了对比。实验结果表明,在开敞空间的低速射流预混火焰中,火焰放热区会发生扭曲、褶皱和分裂等现象,随着雷诺数的增大,火焰锋面褶皱程度更加显著;在凹腔稳焰的超声速燃烧中,火焰放热区高度褶皱和破碎,放热区结构的厚度为0.5～6.5 mm,同时也存在放热区的分裂与剥离等现象。CH-PLIF技术能够以较高的空间分辨率更准确地呈现凹腔超声速火焰放热区的结构,其在凹腔稳焰的超声速燃烧诊断中具有重要的应用价值。     

高超声速再入轨迹跟踪控制的微分变换方法

针对多约束条件下高超声速飞行器再入制导问题,提出一种基于微分变换法求解最优反馈控制的全状态标准轨迹跟踪制导律。利用滚动时域控制方法设计易于在线执行的闭环跟踪制导策略,在每个制导周期内将标准轨迹跟踪问题转化为线性时变系统状态调节器问题,并通过最优控制理论进一步转化为两点边值问题,采用微分变换法进行求解获得最优反馈控制律。数值仿真表明微分变换法的引入有效解决了传统两点边值问题求解的数值不稳定性与耗时问题,所设计的闭环制导律对状态偏差与模型不确定性具有较强的鲁棒性,可为工程设计提供有益参考。     

动态武器目标分配问题的马尔可夫性

动态武器目标分配(weapon target assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。在对动态WTA问题进行描述分析的基础上,运用随机过程理论证明了动态WTA过程的马尔可夫性;给出了该马尔可夫决策过程的状态转移概率的解析表达式,并对其状态特点进行了简要分析。研究结果可以为动态WTA及相关问题的研究提供理论和方法依据。     

混响背景下基于高阶统计量的动目标检测方法

针对混响背景中的动目标检测问题,根据基阵接收数据经过波束形成与匹配滤波后的输出结果计算高阶统计量,并将其视作观测空间。基于此空间中混响和目标回波的差异,利用多ping的高阶统计量构造特征向量,计算特征向量之间的马氏距离作为混响和目标差异的量化标准,再依据最大一致条件功效检测准则选择门限检测方法。波形数据仿真与海上实录数据检验均表明该方法的检测性能优于单ping波束形成及匹配滤波方法。通过蒙特卡洛仿真获得不同信混比下的ROC曲线,与单ping检测相比,在保证虚警概率小于0.01,检测概率大于0.5的条件下,最小可检测信混比降低约6dB。     

运动流体介质和剪切层共同作用下平面近场声全息技术改进

传统的平面近场声全息将全息面置于射流内部。为了降低窗效应和卷绕误差对重建精度的不利影响,一般要求全息面尺寸为声源的2倍以上,而较大尺寸的传声器阵列放在射流内部会干扰射流的稳定。针对这一问题,提出将整个全息面置于射流外部的方法。根据经典的剪切层修正理论,首先分析声波由声源传播至全息面过程中路径和幅值的改变,继而推导出修正后的声场传播公式,最终建立起马赫数小于0.3的运动流体介质和剪切层共同作用下的平面近场声全息理论模型。数值仿真表明,改进后的平面近场声全息技术能够得到高分辨率的重建声场,对气动噪声源的定位精度较高,并且具备一定的抗干扰能力。     

联合多层次深度特征的SAR图像目标识别方法

提出了联合多层次深度特征的合成孔径雷达(SAR)目标识别方法。采用卷积神经网络(CNN)学习SAR图像的多层次深度特征。多层次的深度特征从不同方面描述原始SAR图像中的目标特性,从而为目标识别提供更充分的决策依据。为了充分发掘不同层次深度特征的独立特性以及它们之间的内在关联,采用联合稀疏表示对多层次的深度特征进行联合分类。根据各层次特征的整体重构误差判定目标类别。采用MSTAR (Moving and Stationary Target Acquisition and Recognition)公共数据集对提出方法进行了性能测试。实验结果表明,该方法的识别性能显著优于现有的SAR目标识别方法。     

基于态势分布的多机编队协同目标分配

基于态势分布的多机编队协同目标分配,可以使编队长机在空战过程中的目标分配决策更加合理化。分析了敌机对我机的态势威胁影响因素,构建了敌我双方的对抗系数矩阵;依据编队内成员的占位关系和编队僚机火力情况,将我机僚机和敌机编队拆分成作战分队形式;基于整个态势分布,综合考虑编队攻击效率和航迹防撞规则,以作战分队形式进行目标分配。目标分配结果符合编队协同空战的一般规律,表明所提方法可以为编队协同作战提供目标分配支持。