低能电子散射中的定域交换势(Ⅰ)电子被He，Ne和Ar原子的散射

文中利用自由电子气体近似(HFEGE)定域交换势和修正的半经典近似(MSCE)定域交换势,加上正交化方法(Orthogonalization technique),对能量在0.1～20eV的低能电子被He,Ne和Ar 原子的弹性散射过程进行了计算。其中靶原子的电荷分布以及入射电子和靶原子的静电作用利用原子的Roothaan-Hartree-Fock 波函数求出;相关和极化作用则用一个无参数的相关极化势近似表示。通过本文计算结果和严格计及交换作用的结果及实验数据相比较,对HFEGE和MSCE 交换势的准确性以及正交化过程对计算结果的影响进行了分析。     

统计平均交换势的一种推导方法

本文给出了统计平均交换势的一种推导方法,其过程简单明了。     

微带及渐变微带中瞬态信号传输特性的小波变换分析

本文利用小波变换对瞬态信号在微带及渐变微带线中的传输特性进行了分析,与传统的傅立叶变换分析相比,小波分析具有速度快、能够分析局部传输特性的优点。文中给出了高斯信号和矩形脉冲信号在微带中及矩形脉冲信号在渐变微带中的传输波形,所得结果对研究超高速与超宽带瞬态信号的传输及电路设计有一定的参考价值。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

新的固相反应法合成钼青铜化合物 NaxMo6O17的研究

本文介绍了一种以MoO_3和NaI 为原料,在高温、惰性气氛中通过氧化还原反应合成Na_xMo_6O_(17)化合物的新方法。进而研究了Na_xMo_6O_(17)化合物的组成分析和热分析方法。     

虚拟演播室系统中的无限蓝箱技术

虚拟演播室是虚拟现实技术在电视制作领域中的一项崭新应用。无限蓝箱技术通过外部生成的键信号,将前景视频图像中非蓝箱内的景物滤除,使摄像机的运动可以不受实际蓝箱尺寸的限制。针对任意形状的蓝箱结构和摄像机的任意自由度运动,提出了虚拟演播室系统中通用的无限蓝箱算法,该算法根据蓝箱实际的透视投影变换过程,精确提取蓝箱区域,生成色键信号。实验结果证明,该算法生成的色键区域精确、计算简单、通用性强,很好地满足了虚拟演播室系统的要求。     

多传感器量测融合算法的性能比较

归纳三类多传感器量测融合算法,即扩维滤波法、伪序贯滤波法和复合量测滤波法。采用协方差分析的方法比较各类算法的滤波精度,证明它们均能在各自给定的条件下实现线性最小均方意义上的最优滤波。仿真实例对各类算法的计算量和灵活性等性能进行比较,结果表明扩维型信息滤波器的计算量最小、灵活性最高,扩维型Kalman滤波器、伪序贯滤波器的计算量较大,而两种复合量测滤波器对各传感器的量测矩阵有一定要求,以致灵活性较差。所得结论对量测融合算法的实际应用具有一定的指导意义。     

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。     

尾座式电动飞机复合材料机翼结构优化设计

以复杂地形地区物资快速投送平台设计为背景,开展尾座式电动飞机复合材料机翼设计研究。对机翼结构载荷进行分析,对机翼结构构件布置和铺层进行设计,形成复合材料机翼结构设计方案。建立复合材料机翼结构有限元模型,开展典型工况条件下的静力分析,得到机翼结构变形、应力和Tsai-Wu失效因子分布。采用分步优化策略,以机翼结构铺层厚度和铺层角度为设计变量,开展机翼结构质量优化计算,优化结果表明,优化后的机翼结构在满足强度和刚度要求下质量减轻约47.77%,可为尾座式电动飞机结构设计提供重要参考。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。