气动弹性影响下高超声速飞行器动力学建模与分析

高超声速飞行器通常采用轻质材料和细长升力体设计,导致受控刚体运动频率与结构振动频率趋于接近,给飞行器制导控制系统设计带来了巨大挑战。基于假设模态下建立了考虑变截面效应的高超声速飞行器自由梁结构动力学模型,对比了横截面梁和变截面梁模态振型和频率;考虑变截面效应后,振型变化较大,同时二、三阶模态频率均变小。给出了耦合气动弹性和飞行动力学的高超声速飞行器运动方程。在典型工况下,对比分析了刚体、常截面梁和变截面梁高超声速飞行器的平衡和动态特征,结果说明:变截面梁在平衡状态下附加攻角更大,系统在平衡点处开环不稳定性更大,同时非最小相位行为基本不变。     

虚拟现实技术在军事领域的应用及对未来战争的影响

虚拟现实是一种全新的人—机交互环境,它为人类提供了一种全新的认识世界、改造世界的手段。介绍了虚拟现实的基本概念、特性、分类、构成、虚拟现实技术在军事领域的应用及虚拟现实在未来战争中的影响。     

扇区内插法设计虚拟均匀线列阵的研究

目前许多高分辨算法只适用于均匀线列阵的方位估计.在不规则阵列条件下,需将实际阵列等效为虚拟均匀线列阵.文中通过对基于扇区内插法设计虚拟均匀线列阵的研究,给出了设计的具体步骤,并提出一个简单且准确的虚拟线列阵阵元间隔的计算公式.     

基于路径跟随算法的InSAS湖试数据相位解卷

详细介绍了分支截断法、区域增长法、掩模割线算法,以及最小不连续算法等几类路径跟随算法.基于湖试数据,给出了各算法处理结果并作了分析.     

多体结构连接部件的有限单元模型

针对多体结构中连接部位带来的运动不连续问题 ,提出了将连接部件不作节点处理而作单元看待的设想。从力学基本原理出发推导了单元的刚度矩阵与阻尼矩阵 ,并由拉格朗日方程推导了这种单元的平衡方程     

卫星导航弱信号的变维卡尔曼滤波跟踪算法

复杂环境下的多普勒频移变化及信号功率衰减均会造成载波跟踪偏差较大甚至失锁,针对标准卡尔曼滤波算法跟踪机动目标时不能同时满足高动态及高灵敏度要求的问题,提出一种基于变维卡尔曼滤波的载波跟踪算法。引入机动和非机动两种载波跟踪模型,通过机动检测因子监视载波动态变化,实时高效地切换载波跟踪模型,从而实现对载波机动和非机动状态的自适应跟踪,抑制机动改变引起的较大误差突跳。理论分析和仿真结果表明,该算法在低至30d BHz弱信号环境下,相比基于标准卡尔曼滤波的跟踪算法,其在目标动态突变时相位跟踪误差减小约37.5%,频率跟踪误差减小约77%。     

传导冷却高温超导磁体热输运参数反演识别

在传导冷却高温超导磁体系统中,超导磁饼热导率以及磁饼与导冷体之间的界面热阻是影响热输运的主要因素,也是传导冷却超导磁体系统热设计的难点。为了获得准确的热导率和界面热阻参数,根据Levenberg-Marquardt算法提出通过表面测温确定传导冷却超导磁体热输运参数的反演识别方法。搭建低温实验数据测试平台,建立高温超导磁饼三维各向异性热传导模型。利用反演算法对传导冷却Bi2223高温超导磁体在40~76K温区的各向异性热导率与界面热阻进行反演识别,并分析测温误差对识别结果的影响。研究成果将为超导磁体热输运参数的获取提供一种新思路。     

单框架控制力矩陀螺部分失效时的空间站姿态机动方法

对金字塔构型单框架控制力矩陀螺(SGCMG)的失效特性进行分析。结合SGCMG部分失效的特点,构建运用Legendre伪谱法的重规划姿态机动路径求解方法。考虑SGCMG失效情况的不可预测性,设计自适应操纵律,该操纵律可以根据指令力矩与输出力矩的偏差对SGCMG的失效情况进行诊断,从而调节操纵律的内部参数,实现失效情况操纵律的自适应调节。仿真结果表明,采用姿态机动路径重规划算法与自适应操纵律,在控制力矩陀螺部分失效的情况下,仍可以实现空间站的大角度姿态机动。姿态机动方法可以有效应对空间站大角度姿态机动过程中可能出现的SGCMG部分失效情况,从而提高空间站姿态机动任务的安全性与可靠性。     

面向大规模卷积计算的多忆阻器阵列互连结构设计

针对现有多忆阻器阵列集成架构中存在的数据加载、读出效率低以及阵列协同灵活性差等问题,提出一种高效率、高灵活度的阵列互连架构。该架构所采用的数据加载策略支持多种权重映射模式下的数据复用,减少了片外数据访存需求;所采用的计算结果读出网络支持多个处理单元灵活组合实现不同规模卷积运算,以及计算结果的快速累加读出,进而提升了芯片灵活性和整体算力。在NeuroSim仿真平台上运行VGG-8网络进行的仿真实验表明,与MAX²神经网络加速器相比,在仅增加6%面积开销的情况下,取得了146%的处理速度提升。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。