逐次求导法在一类非齐次微分方程中的应用

利用逐次求导的方法先对方程进行简化 ,再通过积分得到所求特解的一个待定式 ,然后比较方程两端的系数 ,从而得到最终结果 ,并辅以实例说明     

再入飞行器弹道系数的自适应估计

运用Kalman滤波方法对再入飞行器的跟踪问题进行了分析,在动力学噪声已知的情况下,给出了一种弹道系数的自适应估计方法;在动力学噪声未知时,给出了弹道系数和动力学噪声方差的自适应估计方法。仿真算例表明这种方法是合理有效的。     

嵌入遗传算法的顺轨干涉SAR海表流场反演新方法

顺轨干涉SAR海表流场探测技术研究对于实现流场探测的全球化、精细化具有重要作用。为了提高海表流场迭代收敛速度和参数反演精度,依据校正系数的参数特点构建适应度函数的约束关系,将校正系数设计问题转化为仿真干涉相位与实测干涉相位差和雷达、平台参数约束条件下的比例因子选择问题,进而设计遗传算法计算校正系数的技术方法,并嵌入海表流场迭代反演算法,从而构建一种反演新方法。星载SAR数据仿真实验结果表明:海表流向反演的均方根误差优于10.0°,海表流速的均方根误差优于0.1 m/s,这符合海表流场反演精度要求。改进的海表流场反演算法可减少2~3次迭代,有效提高了反演效率。研究对于提高顺轨干涉SAR海表流场探测的实效性和准确性具有重要意义。     

螺栓法兰连接结构有限元模型参数确定方法

螺栓法兰连接广泛用于各种工业结构中,为准确预测该连接在实际工作中发挥的作用,需要建立准确高效的有限元模型。针对有限元建模过程中模型各种参数的确定问题,综合使用数值仿真手段和试验手段分别对模型网格参数和接触参数的确定开展研究。参数确定后的螺栓法兰连接结构有限元模型在保证计算精度的前提下,计算效率得到显著提高。     

核反应堆非能动系统物理过程敏感参数识别的迭代法

核反应堆非能动系统参数敏感性分析是系统可靠性不确定性分析的重要组成部分。相关系数在刻画系统物理过程的成功准则参数敏感性方面存在缺陷,针对此问题提出迭代法,其综合了输入参数与成功准则的相关系数、偏相关系数以及输入参数之间的相关系数三方面信息,通过实例验证方法的正确性和实用性。迭代法适合分析参数对成功准则的偏相关性,能识别出更为精确的敏感参数,为进一步提高非能动系统物理过程的可靠性提供参考依据。     

惯性弹体运动预测建模

基于弹道方程的理论建立了来袭惯性弹体的运动预测模型和识别模型,一方面为防空作战从战术前沿拓展到中程以上拦截提供模型基础,另一方面为前沿防空中拦截榴弹、火箭弹类小型目标提供出精度更高的预测模型。最后,研究中成功给出了弹体运动状态预测及识别的计算结果,并得到了真实射表的验证。模型普遍适用于所有来袭惯性弹体的运动。     

基于分束法的金属板小角度微波后向散射系数测试

使用微波分光仪构建了分束法测试系统,利用分束法测试了10.5GHz频率下0°～10°铝板、不锈钢板、镀锌铁板的后向散射系数,结果表明金属板的微波后向散射系数随方向角的增加而迅速减小,与理想导体平面的镜面反射特征一致,而且电导率较大的铝板更适合作为分束法的定标板。     

分束法测试微波后向散射系数及其应用

提出了一种实验室测试微波后向散射系数的分束方法,采用一次调零、仪器固定及样品转动的实验系统设计,可以对材料不同角度的后向散射系数进行测量。利用分束法测试了混凝土空白样品、不同尺寸的鹅卵石表面样品的微波后向散射系数,观察了不同入射角的变化规律。该方法克服了传统收发天线并排时的串扰问题,而且可使入射与散射波束严格重合,具有成本低,性能稳定的特点。该方法及其结果为微波遥感定标及SAR图像解译提供了实验室手段。     

多边修正算法中的换顶原理及复杂性分析

对于无向赋权图,利用换顶过程中矩阵翻转与数据块调换时上三角部分数据的变化规律,对权值矩阵的数据进行处理,以完成无向完全图中H圈（H路类似）的修正过程。事实上,多边修正的原理最终是通过变换顶点达到的,而其主要用到的换顶规则是矩阵数据的块调换与翻转,该思想还可以推广到有向图的情形。最后利用换顶原理对多边修正算法进行了复杂性分析,讨论修正边数对复杂性的影响。     

Online process mean estimation using L1 norm exponential smoothing

A basic assumption in process mean estimation is that all process data are clean. However, many sensor system measurements are often corrupted with outliers. Outliers are observations that do not follow the statistical distribution of the bulk of the data and consequently may lead to erroneous results with respect to statistical analysis and process control. Robust estimators of the current process mean are crucial to outlier detection, data cleaning, process monitoring, and other process features. This article proposes an outlier‐resistant mean estimator based on the L₁ norm exponential smoothing (L₁‐ES) method. The L₁‐ES statistic is essentially model‐free and demonstrably superior to existing estimators. It has the following advantages: (1) it captures process dynamics (e.g., autocorrelation), (2) it is resistant to outliers, and (3) it is easy to implement. © 2009 Wiley Periodicals, Inc. Naval Research Logistics 2009