非定常超音速流动数值计算方法比较

为适用于非定常流场计算 ,在保证时、空二阶精度的前提下 ,通过引入变系数残值光顺技术 ,提高了四步Runge Kutta方法的计算效率 ;并针对球锥简谐振动过程 ,数值比较Runge Kutta多步法和“双时间法”的计算精度。     

负载型钴基超细粒子催化剂的催化性能

采用共溶胶 -凝胶法和超临界干燥工艺 ,制备了负载型钴基超细粒子催化剂Co-SiO2 ,研究了该种催化剂对CO氧化反应的催化性能 ,并进一步考察了钴含量对其催化活性的影响。研究结果表明 ,该种催化剂在低钴含量 ( 1 %～ 2 % )时即对CO的氧化反应表现出高的催化活性 ,并具有优良的热稳定性和很宽的反应活性温度区域 ( 1 60℃～ 80 0℃ ) ;钴含量对其催化活性和稳定性有重要影响 ,在 0 1 %～ 2 %的含量范围内 ,随钴含量增加 ,催化活性和稳定性逐渐升高。     

用高阶高精度 WENO 格式求解二维激波附面层干扰流场

采用时间相关法求解二维 Navier-Stokes方程 ,数值模拟二维平板层流附面层与激波干扰流场 ,给出了物面压力分布和应力分布。计算中 ,对流项空间导数的差分离散采用高阶高精度 WENO格式 ,时间方向采用具有 TVD性质的 Runge-Kutta方法 ,粘性项采用二阶中心差分。所得压力分布和应力分布与国外实验结果吻合较好 ,计算实践表明高阶 WENO格式具有优异的性能 ,应用前景广阔     

组合末制导律及其仿真研究

传统的比例导引具有很多缺点。第一,在攻击大机动目标时的控制精度差;第二,对导弹的需用过载要求大;第三,增益高的比例导引中任何噪声都会使它的性能大大降低。为了克服上述缺点,提出了一种简单有效的组合末制导规律,即比例加追踪法的组合末制导规律,它继承了纯比例导引所具有的简单、易于实现的优点,同时还可以降低导弹的需用过载,提高导弹的打击精度。经过大量的数字仿真,所提出的组合末制导律,导弹的平均过载和峰值以及终端脱靶量均小于比例导引。     

平面微波光子晶体的表面波带隙

光子晶体在微波毫米波领域已经有了广泛的应用,适合于微波集成电路结构的光子晶体结构将具有很大的应用前景。在微带介质层上周期加载矩形金属贴片,可以获得平面微波光子晶体,并且在特定频段内禁止表面波传播。利用格林函数和矩量法对这种平面微波光子晶体结构进行了计算,通过求解特征方程,得到在这种微带结构中表面波的传播常数,并通过参数设计得到所需要的表面波带隙。这种结构对于微波集成电路和相控阵天线具有很大的应用价值。     

Lanczos技术加速第二类Fredholm方程的快速求解

介绍了Lanczos技术加速第二类Fredholm方程求解的基本原理 ,结合矩量法预测了任意形状均匀介质柱体的单站雷达散射截面RCS。首先建立介质柱中的电场积分方程 ,然后采用矩量法将积分方程化为矩阵方程 ,再利用Lanczos技术求解矩阵方程得到介质柱内电场。计算结果表明 ,Lanczos技术可加快MOM矩阵方程的计算速度     

消防水幕带系统回流法的应用

通过讨论水幕带系统的优缺点,设计消防水幕带系统"回流法",并给出"回流法"计算依据及设计要求.     

二维非线性正交各向异性材料的瞬态热传导反问题数值方法

针对正交各向异性材料的二维非线性热传导反问题,采用顺序函数法进行表面热流辨识问题的研究。在求解反问题时,采用有限体积法、牛顿-拉夫逊法并引入未来时间步的概念。在每个时间步内,将待辨识热流视为非线性方程组的未知量,通过一个迭代过程进行求解。算例的研究表明,热流辨识结果与真实热流相近,从而证明了本方法在辨识二维非线性热传导反问题时是准确、稳定、有效的。     

高超声速飞行器多目标复杂约束滑翔弹道优化

针对气动热、过载、动压、控制量、航路点、禁飞区以及终端状态等复杂约束条件,提出高超声速飞行器多目标滑翔弹道优化方案。建立换极运动模型,简化部分约束条件的处理,并规避了传统运动模型的奇异问题;在此基础上,引入物理规划方法将多目标优化问题转换为反映设计者不同偏好的单目标优化问题;进一步基于分段Gauss伪谱方法将弹道单目标优化的最优控制问题转换为非线性规划问题进行求解。仿真结果表明,该方法获得的滑翔优化弹道能满足复杂约束要求,同时能够反映设计者的不同偏好。     

弹道目标微多普勒特性基于逆Radon变换的稀疏表示

作为识别空间弹道目标的有效方法,微多普勒特性提取对于雷达系统的时频分辨率提出了很高的要求,因此,要求雷达系统具有更高的采样频率。作为近年来新兴的技术手段,在远低于奈奎斯特采样定理的采样频率下,压缩感知技术可以对具有稀疏特性的信号实现高精度还原。对空间弹道目标时频分布进行逆Radon变换,在变换后的IRT域内获得时频分布的稀疏表示,从而可以借助压缩感知技术有效降低采样频率的要求。