提速列车车厢减小空气阻力风洞实验研究

列车提速使得其空气阻力明显增大。为了减小空气阻力，列车车厢气动外形的研究变得愈加重要。在低速风洞中获得的实验结果表明，对现型列车车厢局部外形稍加改善，就能使得其空气阻力大为降低。这是实现我国列车提速最为有效的途径之一。     

随机环境中的M/MY/1排队系统

文献［４］讨论了随机环境中的Ｍ／Ｍ／１排队模型，本文提出和讨论随机环境中的Ｍ／Ｍｙ／１排队模型，在统计平衡条件下给出了队长和等待队长的平稳分布以及平均队长和平均等待队长，得到了等待时间和逗留时间分布以及平均等待时间和平均逗留时间。     

液体火箭发动机离心式喷嘴振荡喷雾特性现状和发展趋势

为加深对振荡喷雾的雾化特性及其与不稳定燃烧的关系的认识,针对低温推进剂液体火箭发动机中广泛应用的气液同轴离心式喷嘴和液液同轴离心式喷嘴,从受激振荡、自激振荡以及喷雾振荡与燃烧稳定性三个方面对研究现状进展进行了综述,总结了以往研究中的成果以及需要克服的关键技术难题,以加深对振荡喷雾及其与燃烧稳定性关系的认识。通过综述可知：对于受激振荡,对于常温常压条件下的供应系统流量振荡引起的前端压力振荡的研究比较充分,但缺少对燃烧室压力变化引起的反压振荡的研究以及超临界条件下喷雾受激振荡的研究;对于自激振荡,研究主要集中在液体中心型同轴离心喷嘴,对于气体中心型同轴离心喷嘴和液液同轴离心喷嘴的研究还较少;光学诊断技术仍难以提取单一的燃烧流场信息。     

使用等效偏移角稀疏测量的面阵相机序贯图像几何校正

天基光学相机实际在轨对地观测成像的畸变需通过几何校正抑制。目前主流面阵相机对地观测获得的小尺寸、高帧频序贯图像很难满足传统几何校正方法逐帧解算对单帧图像控制点数量与空域分布的要求且计算量巨大。针对这一问题,提出一种使用等效偏移角稀疏测量的面阵相机序贯观测图像几何校正方法,将逐帧校正参数解算问题转化为时域稀疏测量条件下等效偏移角信号恢复问题,利用等效偏移角信号时频信息可有效降低对单帧图像控制点数量和空域分布要求。通过高分四号卫星面阵相机在轨实测图像数据验证了所提方法的可行性且其能大大降低序贯图像几何校正处理的计算量。     

电磁带隙结构单脊波导缝隙相控阵天线的实验研究

提出一种电磁带隙结构交错排列的单脊波导缝隙相控阵天线,并与相同尺寸的普通单脊波导缝隙相控阵天线作比较。测试结果表明该天线的方向图得到了明显的改善,单元之间的耦合系数减小,背瓣的辐射电平显著降低,扫描特性得到了改善;同时也说明了电磁带隙结构可以取得比扼流槽更好的抑制表面波的效果。这对于提高单脊波导缝隙相控阵天线的辐射性能具有重要意义。     

石英微陀螺的机械耦合问题研究

通过研究石英微陀螺的机械耦合误差,对理想和非理想陀螺进行了机械建模和分析,推导出了微陀螺的敏感输出信号和机械耦合的关系公式。通过仿真,讨论了机械耦合与陀螺各参数之间的关系和相互影响程度。     

二羟基苯氧基硅烷合成途径设计及产物表征

用Hyperchem 7.0软件的半经验分子轨道法(Semi-empirical-AM1)和分子力学(Molecular Dynamics)法计算了二羟基苯氧基硅烷不同合成过程反应的焓变,对反应途径进行优选,计算了产物的IR谱图,并与实验结果进行了对比。研究表明,以对苯二酚与二乙氧基硅烷进行反应制备二羟基苯氧基硅烷在热力学上是有利的,可得到目标产物;Hyperchem 7.0软件用于新型有机硅化合物合成途径优化及产物表征具有一定的应用价值。     

GEO导航星广播星历拟合改进算法设计

设计了倾角较小的GEO导航星的广播星历拟合算法。该方法的核心思想是在常规拟合算法的基础上对位置观测量进行合理的坐标系参考平面旋转,特别是提出针对拟合迭代初值进行相应的坐标变换,从而既可以解决轨道参数拟合的相关性问题,使轨道参数拟合快速收敛,同时又兼顾了用户接收机的计算简便化。通过仿真验证,该方法简洁有效,拟合中误差RMS在厘米量级,能够保证拟合精度。     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。     

一种支持向量机增量学习淘汰算法

针对大规模数据集的分类问题,支持向量机的训练成为一个难题。增量学习是解决这一难题的思路之一。分析了新增样本加入训练集后支持向量集的变化情况,提出了一种基于密度法的支持向量机增量学习淘汰算法,淘汰了对最终分类无用的样本,在保证测试精度的同时减少了训练时间。实验仿真证明这种算法是有效的。