简介：风洞模型自由飞试验利用高速相机记录自由飞行模型的运动历程，再根据模型运动特征参数反演模型的气动特性．由于没有支撑系统的干扰，该试验能够较真实地模拟飞行状态，在飞行器静／动稳定特性研究中具有独特的优势．文章在JF-8A高超声速脉冲风洞中开展了10°尖锥模型自由飞试验，并以圆球模型的自由飞运动测量风洞动压，对模型运动特征参数的数字图像提取技术及气动参数的辨识方法等关键技术进行了研究．

简介：文章采用热流率测量和纹影拍摄技术,对高超声速层流湍流边界层条件下钝舵干扰流场进行了实验研究.实验在高超声速炮风洞内完成,来流Mach数为6,8.研究结果表明层流与湍流干扰流场之间存在较大差别,层流状态下干扰流场存在分离,平板干扰区内热流率存在负增量,舵面上存在明显的热流率峰值;湍流状态下干扰流场无分离,干扰对平板干扰区内热流率影响较小,舵面上无明显峰值.

简介：高超声速飞行器的发展对地面试验模拟提出了新的要求，但是，现有条件还不能完全满足这些要求．文章首先回顾和概述了气动研究地面试验所应遵循的一般性相似准则，分析现行气动力、热和推进试验模拟的不足和所面临的挑战．经分析认为，面对这些挑战，现行的主要参数模拟、部件相似模拟和局部相似模拟等方法仍然有效，但应加强相似理论对地面试验的指导和计算对试验的支撑性作用，并在必要时通过飞行试验对不完全相似模拟结果进行验证与确认．

简介：依据量子信息学和量子计算基本理论，在研究低剂量I射线与神经细胞的相互作用规律及物理机理时，将神经细胞骨架微管中的两种蛋白构型视为两能级原子体系，使用密度矩阵描述脑神经系统中信息位的状态，建立并求解系统的动力学方程。结果表明：随密度矩阵非对角元素的减小，系统的量子相干性迅速降低。因此，低剂量I辐射可以影响受照者的脑神经功能。

简介：光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。

简介：采用Born近似的Maxwell方程组积分解形式较少应用于气动光学数值计算,其困难在于对该方程组的离散化数值计算.而结合GCV-FFT（GeneralizedconvolutionbyfastFouriertransform）方法,在自由空间传播的Rayleigh-Sommerfeld衍射方程数值计算可以达到比较高的精度.通过对Green函数及采样系数的修正,积分方法可以用于气动光学现象的数值模拟.通过在超声速湍流边界层中光束传输的数值计算,可以看到一些气动光学效应,如光束偏移破碎等,可以用修正GCV-FFT＋数值积分的方法得到良好的模拟.现有的方法可以给出更接近物理本质的定量结果.

简介：高超声速边界层转捩是高超声速飞行器设计的关键基础问题之一.为了研究高超声速边界层转捩,在风洞中,对平板模型进行了M=5的实验,在模型中心沿流动方向使用PCB脉动压力传感器对脉动压力时间序列进行采集.文章将本征正交分解（properorthogonaldecomposition,POD）方法引入高超声速脉动压力数据处理中,发展了单点POD分析方法.经验证,使用该方法重构数据的均方根（rootmeansquare,RMS）峰值位置可表征转捩位置,实用性强.

简介：由大粗糙元引起的髙超声速边界层强制转捩在航天技术中有实际应用,因而近年来受到人们的广泛关注.虽然目前导致该转捩过程的内在机理尚不完全清楚,但有一点是明确的,即粗糙元的尾迹流场中存在强对流不稳定性.文章的出发点是研究这种对流不稳定模态是如何触发转捩的.首先通过CFD方法,计算出髙超声速边界层中粗糙元的尾迹流场,并对其进行二维稳定性分析.结果发现,在传统不稳定Tollmien-Schlichting（T-S）模态出现的临界Reynolds数之前,存在髙增长率的无黏不稳定模态,表现为对称的余弦模态和反对称的正弦模态.然后对该不稳定模态在粗糙元尾迹流中的演化进行了模拟,验证了二维稳定性分析的结果,并考察了非平行性效应的影响.最后通过直接数值模拟,研究由这些不稳定模态触发转捩的全过程.结果表明,对流不稳定模态确实是导致边界层转捩的关键机制.该转捩过程的特点是,局部湍斑首先在不稳定模态特征函数的峰值附近出现,然后向全流场扩散.就文章研究的工况而言,余弦和正弦模态的相互作用对转捩的影响并不明显,且后者在转捩过程中起主导作用.

简介：针对GPS精密单点定位对高精度的需求,提出了一种采用小波神经网络的GPS精密单点定位解算方法。该方法利用小波变换和神经网络学习功能,无需准确系统先验信息,误差函数能够快速收敛,逼近真实误差模型,从而提高GPS精密单点定位精度。仿真结果表明,静态条件下与传统最小二乘法和卡尔曼滤波算法相比,该算法定位收敛时间缩短50%,定位精度分别提升90%和50%。动态情况下,较最小二乘法和卡尔曼滤波算法定位精度提高20%~80%。

简介：在时间尺度上，通过使用线性动力方程的指数二分法、不动点理论和微积分理论，研究带有泄漏项的中立型时滞细胞神经网络模型，获得了一些使其概周期解存在和全局指数稳定的充分条件，并将以前的结论在时间尺度上做了扩展．

简介：通过使用叠合度理论、M-矩阵、李雅谱诺夫函数和不等式技巧等，在时间尺度上研究带有狄利克雷边值和反应扩散项的非自治模糊细胞神经网络的全局指数稳定性，并获得一些使其存在全局指数稳定的平衡点的充分条件．最后，给出一个例子去验证结论的有效性．