无源传感器引导AESA雷达目标搜索

无源传感器引导有源电扫阵列(AESA)雷达完成目标搜索是机载多传感器协同探测的重要应用形式。综合了引导传感器的测角误差以及目标运动产生的偏差2种因素,建立目标指示成功概率模型。提出了一种满足时效性、指示成功率和误交接概率要求的最优搜索策略。采用分步优化的方法在多种场景下对搜索策略和性能指标进行了计算。仿真结果表明:提出的搜索策略与传统搜索策略相比在满足指示成功率要求的前提下,通过增加较少的搜索波位,较大幅度地降低了误交接概率,保证了引导条件下目标搜索的准确性。     

试验与服役数据融合的飞机结构安全寿命分析

针对飞机结构安全寿命分析中样本容量偏少的问题,综合考虑结构分散性和载荷分散性的飞机结构疲劳寿命是否服从对数正态分布或威布尔分布的情况,根据等损伤原理,将服役飞机实际飞行小时数等效转化为在同一试验载荷谱下的当量飞行小时数,以实现飞机结构试验疲劳寿命与服役使用数据的融合,采用随机右截尾情形下的极大似然估计方法估算疲劳寿命分布函数的参数,进行飞机结构安全寿命分析;最后以飞机结构疲劳寿命服从对数正态分布为例进行了算例分析,分析结果表明:在相同的可靠度和置信水平下,利用试验数据与服役使用数据融合方法可以显著增大样本容量,从而充分挖掘飞机结构可靠性的储备。     

叶醇的研究进展

叶醇(顺-3-己烯-1-醇)是具有青香香气的重要香料,近年来出现了许多新的合成方法和路线.概述了叶醇的天然存在,对叶醇的各种合成方法进行了综述,并作了评价,最后介绍了叶醇的应用情况,分析了叶醇的发展前景.     

一个基于MPLS VPN技术的H．323视频会议系统

主要介绍了一个基于MPLS VPN技术的H．323视频会议系统。先简要介绍了基于IP的H．323协议及MPLS VPN技术的基本原理，并分析了H．323协议结构在与MPLS VPN结合前后的相关变化，以及视频会议系统在使用过程中的相关安全问题；最后给出了系统实现的具体方法。     

DoS攻击流量的监测与分析

介绍了DoS攻击的概念、原理和危害，说明了当前抵御DoS攻击的现状，提出了监测和分析DoS攻击流量的几种方法。最后对未来的一些抵御DoS攻击的技术进行了讨论。     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

高效液相色谱法检测红发夫酵母胞内虾青素

确定了红发夫酵母的破壁提取方法并采用高效液相色谱法定量地测定了红发夫酵母胞内虾青素的含量。试验得到的液相色谱条件为:色谱柱KromasilC18, 5μm, 250mm×4. 6mm;流动相为甲醇和乙腈,V甲醇∶V乙腈=9∶1;流速1. 4mL/min;检测波长478nm;柱温为室温。加标回收率为(98. 2~102. 8)00。     

MATPOWER在电力系统最优潮流实时电价中的应用

根据实时电价理论,结合实时电价与最优潮流之间的内在联系,运用MATPOWER计算最优潮流、求解实时电价,并通过对IEEE14节点的范例进行计算,结果证明该方法效果最佳。     

基于MATLAB的数值求导

数值微分作为一个典型的反问题,在Hadamard意义下是不适定的,即在求导中函数的微小扰动就可能导致计算上很大的误差.本文基于连续的Tikhonov正则化方法,讨论了用离散正则化方法处理数值求导的有关理论和技术问题包括离散正则解的收敛性、稳定性和在原始数据的误差水平已知和未知的情况下的正则参数选取问题,给出了稳定的和有效的算法,并在Matlab环境下加以实现,进行了成功的数值试验和对比试验研究.     

三向等压荷载历史后混凝土超声波探伤方法研究

采用两组混凝土立方体试件,对其施加三向等压荷载历史作用,分别测量载前和载后的抗压强度、劈拉强度和超声波速.首先研究了经历过三向等压荷载历史后超声波速的劣化以及混凝土强度与声速的关系.然后,用抗压强度和抗拉强度的劣化来定义混凝土的损伤,研究了损伤与超声波速降低的关系.根据试验数据拟合得到损伤的演化方程,从中可以看出损伤与超声波速的降低之间具有较好的线性相关性,且有明显的超声波速降低临界值.研究表明,根据超声探伤方法测得的声速,结合混凝土经历的荷载历史和配比等因素,可以为工程提供较为可靠的损伤估计值,对实际工程的指导意义重大.