摘要:三角转子是小型航空Wankel转子发动机的核心部件，其高速旋转过程中承受着温度、惯性力和燃气爆发压力等复杂载荷耦合作用，更加容易因强度不足发生失效与破坏。针对多重载荷耦合工况下，三角转子应力集中与强度问题，建立发动机热力学模型，获得发动机单循环内燃烧室缸温、缸压以及换热系数变化曲线，计算转子各处热边界条件，分别在机械应力、热应力与热机械耦合条件下，采用有限元的方法对三角转子进行温度场、应力场与变形量仿真分析，并提出转子腰部圆孔边缘处加工圆角和冷却孔处布置散热片优化方法。仿真结果表明：优化后三角转子最大应力由原来的687.0 MPa下降为403.9 MPa，约为原来的58.79%；转子腰部圆孔边缘应力由577.5 MPa下降为306.1 MPa，降低为原来的53.02%；冷却孔处应力值也由212.6 MPa降至113.2 MPa，约为原来的53.25%。布置散热片后，转子平均温度下降20 K以上，转子腰部圆孔边缘与冷却孔温度下降40 K左右，密封槽尖端变形量由0.21 mm降至0.15 mm，减小27.7%。转子应力场得到改善，变形量减小。

摘要:针对航空制导弹药的使用消耗预测问题，分别建立了航空制导弹药使用消耗点预测和区间预测模型。根据航空制导弹药使用消耗数据小样本、非线性和随机性强等特点，采用支持向量回归模型来对航空制导弹药使用消耗数据进行点预测，并通过粒子群优化算法寻找最优参数；结合点预测误差数据，通过核密度估计法开展误差不确定性分析，确定误差概率密度曲线，并在核密度估计的基础上采用最高密度域确定给定置信度下的最佳置信区间。结果表明，该方法对于航空制导弹药使用消耗数据而言能提供更为精确的预测结果和不确定性置信区间，为航空制导弹药的后续使用安排提供参考依据。

摘要:为了从全局出发，不断缩小研究范围，高效地进行红外抗干扰评估探索工作，提出采用序贯均匀试验设计方法开展研究。利用该方法设计红外抗干扰评估试验方案，通过数字仿真系统进行试验，在试验研究过程中可以掌握每阶段的详细信息并视情况作出相应调整，直至得到最终满意的试验域和脱靶量。试验结果表明：该方法有效可行，缩小了研究范围，与其他方法的比较也显示出该方法收敛快、效果好等独特优点，为红外抗干扰评估研究提供了一种方法思路。

摘要:多轮多支柱飞机地面转弯时起落架各个支柱的载荷确定与分配的设计方法均具有不确定性。基于弹性轮胎理论和前三点式起落架转弯运动模型，建立了一种多轮多支柱起落架的地面转弯运动模型，分析起落架单个支柱的侧向载荷和垂向载荷分配规律，结合稳定转弯条件，得到极限转弯时的严酷受载起落架支柱；使用应变法实测得到的起落架载荷对分析结果进行验证，建立两种试验策略下的起落架侧向载荷和垂向载荷预测模型，预测极限转弯时的起落架载荷，最后用实测载荷对预测结果进行验证。结果表明：地面转弯时，主起落架前、后支柱的侧向载荷方向相反且量值较大，中支柱侧向载荷较小；主起落架各个支柱垂向载荷的分配与缓冲支柱填充刚度成正比，且外侧起落架的分配比例会增大；载荷分析方法与预测模型准确，可有效减小飞机地面极限转弯试验风险。

摘要:针对ISAR成像在大转角条件下产生严重的越距离单元徙动从而使得ISAR图像散焦的问题，提出一种基于U-net卷积神经网络的大转角ISAR成像方法。首先利用快速傅里叶变换对大转角条件下的回波数据进行预处理，得到散焦的ISAR复值图像作为训练样本，其次，根据ISAR成像特点对Unet网络结构进行了改进，训练后得到具有良好聚焦能力的成像网络。仿真实验表明：与传统大转角ISAR成像方法相比，所提方法将ISAR图像的峰值旁瓣比降至-18 dB以下，具有更小的图像熵和最小均方误差，成像时间缩减至0.28 s左右，在低信噪比条件下仍可以实现ISAR图像的快速、准确重建。

摘要:针对极化SAR图像分类中卷积神经网络（CNN）方法训练时间长、收敛速度慢，原始Softmax函数无法对极化SAR图像的类内差异有效应对的问题，提出一种基于模型微调与加性边际Softmax（AM-Softmax）的极化SAR图像分类方法。该方法通过预训练网络的整体微调，来改进CNN模型的效率和分类准确率，然后以AM-Softmax替代Softmax，以解决SAR图像中类内变化较大的问题，进一步提升分类精度。实验表明该方法具有快收敛的优势并且能够较好解决极化SAR图像类内差异较大的问题，模型的分类总体精度达到96%以上。

摘要:受涡旋电磁波产生方法和自旋目标成像方法的启发，提出了基于旋转天线的二维高分辨成像方法。首先构造了基于旋转天线的雷达观测模型；利用距离向傅里叶变换获取目标的距离仿真，推导出了包含目标方位角信息的多普勒效应的正弦表达式；最后将正交匹配追踪算法应用到该正弦信号中，重构出目标的方位角，有效提升了雷达波束范围内的方位角分辨能力。仿真实验证明，该算法对雷达性能要求较低，克服了成像质量对纯净的高模态涡旋电磁波的依赖，实现了对静止目标的二维高分辨成像。

摘要:铱星是目前使用较广泛的低轨道卫通系统，其机载收发信机已在多种民航客机上应用。由于铱星系统研发较早，未考虑后加入的机载通信系统的干扰，且机载电子环境日益复杂，铱星用户链路信号受到的威胁越来越大，需对其进行更完备的电磁兼容分析。首次建立了铱星下行链路信号的接收模型，分析了天线隔离度和不同干扰下的信号误信率，并用实测验证仿真结果。实验测试了不同频率和占空比的宽带和窄带干扰对铱星机载设备接收的信号质量的影响，与仿真吻合程度较好。结果表明：相同功率水平下，宽带干扰的影响大于窄带干扰；不同种类的宽带干扰造成的影响差异不大；带内和带外的宽带干扰造成的影响差异不大，但窄带干扰的影响呈先减小后增加的趋势；脉冲干扰的影响程度与占空比呈正相关。

摘要:多功能微波器件由于能在小尺寸器件上实现大容量功能集成，在现代通信系统中具有重要作用。然而由于器件功能的高度集成，使得多功能器件往往存在严重的通道串扰，降低了器件效率。对此，提出了一种低通道串扰的频率复用方法，通过在两层介质板上构建互补形式的双C形开槽谐振器和双C形金属谐振器，实现了双谐振单元。由于双谐振器具有很高的Q值，能在低频比情形下实现相位的独立调控。为进行验证并探索应用，设计了工作于f1=9.2 GHz和f2=11.2 GHz的多功能超表面。仿真结果与实验结果吻合良好，表明超表面在f1和f2处分别实现了模式数l=3的聚焦OAM波束和零阶贝塞尔波束。与以往报道的多功能超表面相比，设计的器件双频工作频比仅为1.2，且双频器件效率高达86.1%和93%。提出的低频比、低通道串扰波长复用超表面方法为实现大容量功能集成应用提供了一种有效途径。

摘要:当前有关研究软件定义卫星网络控制器静态部署方法忽略了卫星网络拓扑的动态性、用户数据流量的不稳定性。综合卫星网络的动态特性，基于软件定义卫星网络的架构，通过设定的三门限值，采用交换机迁移的方式，提出了一种改进鲸鱼优化算法（MWOA）的多控制器动态部署方法，有效地实现了多控制器动态部署。仿真实验表明：MWOA相比于其他算法，在交换机迁移开销、控制链路时延及负载均衡方面均有显著优势，该方法能够进一步提升卫星网络的处理性能，满足用户通信需求。

摘要:将深度学习应用于行人重识别领域，嵌入多尺度注意力融合模块至神经网络中进行多尺度特征提取和表示，可有效提升注意力机制对深度学习网络的识别性能。提出了一种基于SE block的多尺度通道注意力融合模块，并结合ResNet50卷积神经网络提取特征；然后通过双向LSTM网络进一步提取特征序列上下文信息，在提高模型对图像重要特征的提取能力的同时，降低对图像冗余特征的关注度；最后使用级联难采样三元组损失函数和交叉熵损失函数共同训练网络模型，使样本能够在高维特征空间中实现聚类，进一步提升模型识别准确性。所提出算法在Market1501数据集和CUHK03数据集分别进行实验，并在同等条件下和其他注意力模块算法进行比较。为进一步验证各模块作用，对算法进行消融实验，以验证各模块的有效性，实验结果表明，所提出方法可有效应用于行人重识别

摘要:针对基于深度学习的调制识别算法对带标签样本需求量过大的问题，采用基于元学习思想的多任务训练策略，通过大量不同的任务训练网络来获取一种跨任务的信号识别能力，使得网络在面对新信号类别时仅需少量样本就能快速适应。为更全面地提取信号样本的特征，设计了一种由卷积神经网络和长短时记忆网络并联组成的混合特征并行网络，通过度量样本特征向量间距离的方式完成识别任务；并引入可同时考虑信号类内与类间距离的联合损失函数，以使信号样本特征在度量空间内的分布能更加紧凑，从而实现更高效的相似性比对。实验结果表明，该算法在仅有5个带标签信号样本条件下最高可达到88.43%的识别准确率。

摘要:针对残差网络预测精度偏低的问题，基于系统观测数据和相轨线的关系，提出密集残差网络的方法实现对自治系统的拟合逼近和序列的高精度预测。首先，为强化对数据内含“特征信息”的提取和流通使用，将神经网络各隐藏层的输入与之前各层输出拼接后作为本层的输入，形成密集连接模块；其次，为避免加大网络深度时出现的“退化”现象，引入残差机制，将密集连接模块的输入层与输出层相连，形成密集残差网络。最后，将密集残差网络应用于线性的单自由度系统振动模型和非线性的SEIRS模型、Logistic Volterra模型。结果表明，在规模为5 000和10 000的数据集上，密集残差网络对模型的拟合逼近效果和预测精度优于残差网络、反向传播神经网络和密集网络，特别是在非线性系统上的4项定量评价指标均优于对照模型，表现出密集残差网络对自治系统模型逼近和序列预测的高有效性；同时，在观测数据中加入5%的噪声后，密集残差网络表现出较好的抗干扰性。

摘要:针对当前无人机目标图像检测方法精度较低和检测速度过慢的问题，提出一种结合轻量级网络和改进多尺度结构的目标检测算法。首先采用MobileNetV3轻量级网络替换YOLOv4的主干网络，减少模型复杂度，提升检测速度；其次，引入改进多尺度结构的PANet网络，增强高维图像特征和低维定位特征的流动叠加，提升对小目标的分类和定位精度；最后，利用K means方法对目标锚框进行参数优化，提升检测效率。同时结合公开数据集和自主拍摄方式构建一个新的无人机目标图像数据集Drone dataset，并基于数据增强的方法开展算法性能实验。实验结果表明，该算法的mAP达到了91.58%，FPS达到了55帧/s，参数量为44.39 M仅是YOLOv4算法的1/6，优于主流的SSD、YOLO系列算法和Faster R CNN算法，实现了对多尺度无人机目标的快速检测。

摘要:为合理描述现代战争中电火一体作战过程，提出了基于兰彻斯特方程的过程描述模型。首先基于兰彻斯特第二线性律和平方律，给出不完全信息条件下的对抗模型；然后引入火力分配因子，将不完全信息模型拓展为协同对抗模型；而后在详细分析电子进攻对火力进攻影响的基础上，讨论毁伤概率和信息因子，给出电火一体条件下的多元兰彻斯特模型；最后，通过仿真验证了模型的合理性。

摘要:针对现有的网络安全态势预测模型预测精确度低且泛化能力差等问题，提出一种基于Stacking模型融合的态势预测方法。该方法中，借助Stacking算法将TCN网络、WaveNet、GRU、LSTM进行集成挖掘态势数据之间的相关性；之后利用逻辑回归进行预测得到最终态势值；利用粒子群优化算法进行参数寻优，提升模型性能。基于2个数据集进行验证，实验表明，所提预测方法具有较小的均方误差和平均绝对误差，收敛速度较快，拟合度均可达0.999，可以很好解决预测精确度低的问题，提升了模型的泛化能力。

摘要:某型飞机在修理过程中发现一颗M6×30的35CrMnSiA紧固螺钉发生了断裂现象，影响了飞机使用安全。对断裂紧固螺钉进行了化学成分、宏微观断口、显微组织以及力学性能等验证与分析，确定螺钉断裂形式为疲劳断裂，且不存在材料冶金缺陷、热处理缺陷及加工缺陷，初步推断螺纹的车加工方式可能是裂纹产生的主要原因。随后对滚丝加工成型的同材质螺钉进行疲劳性能验证，选择与断裂紧固螺钉同批次材料和除螺纹滚丝成型外相同加工工艺，重新生产的紧固螺钉进行拉 拉疲劳试验比对分析。每种加工方式选取3个平行试样，试验方法为GJB 715.30A—2002《紧固件试验方法 拉伸疲劳》，试验结果表明：滚丝成型螺钉疲劳寿命达到50万次未见破坏，而车加工螺纹疲劳寿命5.02万次时螺纹就发生了断裂，断口与服役断裂紧固螺钉断口相似。滚丝成型螺钉疲劳性能远优于螺纹车加工成型螺钉，最终确定螺纹车加工方式是导致螺钉断裂的主要原因。为消除后续隐患，建议完善螺钉成型工艺方法，停用该批次螺钉。研究结果为螺钉的优选、工艺方法的改善提供了依据，对提升飞机使用安全具有重要意义。