简介：爆震燃烧近似为等容燃烧,理论上其热循环效率高于基于等压燃烧的爆燃燃烧,在超声速推进系统中具有潜在的应用价值.通过总结超声速气流中的爆震推进理论与研究进展,分析其需要解决的关键科学与技术问题,指导未来高超声速发动机的基础研究.文章重点总结了适用于高超声速飞行的斜爆震发动机、超声速脉冲爆震冲压发动机的基础研究进展.其中对斜爆震发动机的应用模式、相关实验研究思路及方法、数值仿真现状进行了总结分析.对超声速脉冲爆震冲压发动机的基础理论研究现状和目前研究的难点进行了梳理.基于爆震燃烧的超燃冲压发动机具有推进系统自增压、燃烧效率高、推力性能好、推进效率高、燃烧室长度短、结构重量轻等优势,文章总结了该发动机当前的发展进程和最新的研究进展,并对其未来的发展方向以及存在的技术问题进行了分析.

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：通过数值模拟研究了高超声速来流绕过压缩拐角的层流分离三维流动特性．数值方法采用三维N-S方程，结合2阶精度Roe格式以及分区结构网格有限体积法进行离散．数值模拟的空间激波结构与实验纹影结果符合较好；激波／边界层干扰区内3条纵向线上的计算压力分布与实验结果进行了对比分析，计算获得在三维楔侧面存在低压力区，与实验结果反映的规律一致，计算结果表明低压力区是由楔体侧缘尖端发起的二次涡的抽吸作用造成的．此外，在楔体后端尾流区的低压沿边界层内的亚声速区往上游传递了一定距离．

简介：在新课程理念下，课堂教学的有效性是每一个教师所努力追求的目标．然而在平时的教学中，尤其是在公开课中，为了调控好教学时间，为了避免课堂中出现“意外”，为了设计上的面面俱到，为了……太多的因素干扰着课堂教学．于是，在问题的设置中，要么过分夸大教师的作用，不敢放手，变“引导”为“灌输”，忽视了学生的思维发展与情感体验，压缩了学生思考的空间，束缚住了他们的手脚．要么过分夸大学生的作用，过多地让学生讨论、交流，不敢插手，生怕干扰了学生，缺少必要的引导，学生学得肤浅，用课堂上表面的热闹掩盖了教学上的低效．为此，本文就浙教版八年级上册《等腰三角形的性质》，结合我校的一节公开课的几个片断，谈谈对课堂有效性提问的一些思考，供同行参考．

简介：基于解的充分必要条件,提出一类广义变分不等式问题的神经网络模型.通过构造Lyapunov函数,在适当的条件下证明了新模型是Lyapunov稳定的,并且全局收敛和指数收敛于原问题的解.数值试验表明,该神经网络模型是有效的和可行的.

简介：本文采用Lyapunov-Krasovskii泛函方法对一类变时滞细胞神经网络的全局指数稳定性进行了研究，得出了一些关于DCNN全局指数稳定性的充分条件。

简介：在滑动式验证码完成滑动验证的过程中,正确区分出操作者是“机器”还是“个人”对于网络安全至关重要.本文利用人和机器完成验证所留下的滑动轨迹提取特征,运用机器学习中的神经网络算法和MATLAB软件对其进行实证研究和分析,建立神经网络分类模型预测验证操作者的类别.结果表明,BP神经网络模型预测准确度很高,在一定程度上为网络安全提供了保障.

简介：提出了一种基于模糊RBF神经网络的永磁同步电机DTC控制方案。该方案是在直接转矩控制系统的基础上,在模糊控制器前端加入了RBF神经网络模块,在对转矩误差、定子磁链误差和磁链角度进行映射前,对其进行数据处理获得合理的模糊分级,并作为模糊控制器的输入以便选择合理的电压空间矢量。RBF神经网络模块的加入使得系统具有更好的鲁棒性,仿真结果表明,基于模糊RBF神经网络的永磁同步电机DTC控制系统具有较好的动、静态性能,能够实现快速响应。

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

简介：针对液滴破碎问题,获得并揭示两相界面演化特征机理.采用数值模拟方法,观察了超声速条件下的液滴气动破碎初期的界面不稳定性.基于数值模拟结果和线性稳定性理论,综合分析表明,Rayleigh-Taylor不稳定性和Kelvin-Helmholtz不稳定性均对源于驻点和外环之间中段附近处的主导扰动产生作用.保持其他流动特性不变,降低K-H不稳定性的影响,对数值模拟进行了专门改进,进一步验证了前述结论.

简介：针对系统误差的不确定性可能会引起滤波精度降低或发散的问题，提出一种新的基于模型预测滤波的前向神经网络算法。首先，采用模型预测滤波估计网络在正向传递过程中的模型误差，并对其进行修正，以弥补模型误差对隐含层权值更新的影响；然后，利用模型预测滤波为神经网络提供精确的训练样本，学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统，并与扩展卡尔曼滤波进行比较，仿真结果表明，提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内，滤波性能明显优于扩展卡尔曼滤波算法，表明该算法能提高组合导航定位的解算精度。

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：目前,随着相关项目研究的不断推进,如何在高Reynolds数下研究其对气动光学效应的影响成为重要命题.通过设计变Reynolds数气动光学效应实验平台,模拟的单位Reynolds数可以在7.2×10^6-2.2×10^8m^-1范围内变化.搭建的基于背景纹影（backgroundorientedschlieren,BOS）的波前测试系统可以达到6ns的时间分辨率.此系统测量的平凸透镜波前结果表明：实验测量结果与理论计算结果的误差在±4%以内.通过测量9种不同Reynolds数下的超声速气膜瞬态波前数据,分析结果表明：在高Reynolds数条件下,Reynolds数对于超声速气膜气动光学效应的影响比较明显,通过对实验数据进行函数拟合发现OPDrmsRe088,与推导结果OPDrmsRe09十分接近;利用小波分析方法研究了高Reynolds数条件下气动光学效应沿流向的分布特征,发现OPDrms的低频部分（信号的主体）先降低后升高,但是高频部分的震荡幅度先升后降.分析认为OPD的低频部分主要受到流场整体结构的影响,而高频部分更多地受到涡的空间分布影响.

简介：常规惯性／天文组合导航方法难以直接应用于高超声速飞行器机载环境下以载体系为基准进行星光测量的情况，且在可见星只有一颗时无法连续组合。为此，构建了高超声速飞行器惯性／卫星／天文紧组合导航系统方案，通过分析载体系下星光仰角、方位角与惯导误差之间的转换关系，建立了载体系下惯性／天文角度组合模型。理论分析表明，该系统在只有一颗导航星时仍能辅助惯导工作，且可使观测噪声特性保持稳定，从而提高了天文对惯导辅助的连续性和组合滤波估计精度。仿真结果表明，在高超声速飞行器导航系统采用天文角度辅助后，姿态误差较无天文辅助情况的降低60％～70％。

简介：北京师范大学钱佩玲教师在《从美国教育中心发布的研究发展报告得到的启示》一文中这样写道：当问及美国数学教师关于改革的宗旨时，大多数教师都说他们是知道的，但实际上多数教师只是知道表面的东西，而对于改革的实质，什么是高水平的教学等问题，他们并不清楚，仍然以原来的方法和想法从事教学．作为县优质课的评委，

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：研究了具有变时滞Hopfield型神经网络的正不变集与吸引集.获得了正不变集与吸引集存在性的充分判据.

简介：模糊系统具有容易被人理解的表达能力,神经网络则具有极强的自适应学习能力。本文将模糊逻辑控制技术和神经网络技术相结合,给出了一种比单独模糊系统或单独的神经网络系统性能更好的基于模糊RBF神经网络自整定的拥塞控制方法。该方法根据路由器中队列长度的变化来调整数据包的丢弃概率,从而使路由器的队列长度稳定在一期望值附近。仿真结果表明,该算法具有较强的鲁棒性,更短的调节时间。

简介：为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论，采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模型而言，这种方法建立的模型能更好地描则EMs陀螺仪的漂移特；相对于季节时间序列模型而言，其补偿效果提高了大约15％。

简介：研究了具时变时滞的分层抑制细胞神经网络．利用不动点定理获得了若干判定该网络存在概周期解的新充分条件，改进和推广了已有文献中的相应结论．