基于EMD能量占比的海面漂浮小目标特征检测

针对传统的时频分析方法对海杂波分析有限的问题，提出一种基于经验模态分解(empirical mode decomposition, EMD)能量占比的海面漂浮小目标特征检测方法。首先，采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function, IMF)分量，实现对接收回波的频率从高频到低频的分解。然后，分别建立IMF分量与接收回波数据的相关系数，并利用平均均值-标准差之比作为筛选IMF分量的准则，自动筛选出能量较大且波动平稳的低阶IMF分量。最后，提取IMF分量在原始信号中的平均能量占比作为特征，利用蒙特卡罗方法设置门限，进行海面目标异常检测。实测数据的结果显示，所提算法的性能优于对比算法。     

联合卫星定位和测量机器人的超高层建造过程水平位移监测

在超高层建筑建造过程中,常用测量机器人监测中间楼层的监测点的变形。削弱建筑晃动影响对于监测结果的稳定性至关重要。为此,首先提出一种利用楼顶卫星接收机测量建筑晃动情况,通过内插得到中间楼层瞬时晃动影响的方法,并通过实验验证该方法的有效性。在此基础上,利用该方法对多期监测数据进行处理,结果表明该方法可获得更加稳定的监测结果。将处理结果与有限元分析的结果进行比较,结果表明使用该方法后监测结果与有限元分析的结果吻合度较高。     

考虑进口预旋的阶梯型迷宫密封转子动力特性

针对阶梯型迷宫密封转子动力特性受进口预旋影响的问题，提出了考虑进口预旋的阶梯型迷宫密封动力特性计算方法。基于Murphy小位移涡动原理建立气流激振力-转子位移-转子速度的控制方程；采用计算流体力学(CFD)数值模拟方法对不同预旋比的全环密封流道进行计算，通过频域内求解控制方程得到了刚度和阻尼等动力特性参数，研究了不同预旋比的情况下阶梯型迷宫密封的动力特性；绘制了流道内的压力分布和流速矢量图，研究了阶梯型迷宫密封的流场特性。数值仿真结果表明：随着预旋比的增加，直接刚度在低频部分增大，在高频部分减小，交叉刚度几乎不变，交叉阻尼随预旋增加而减小；气流预旋明显降低了直接阻尼，相较于预旋比λ=0的情况，λ=0.255及λ=0.516的工况下直接阻尼的预估值平均减小了16.9%和21.4%;随着节流次数增加，气流经过密封齿的压降逐渐增加，分别为0.25、0.374和0.499 MPa,密封齿顶的流速也逐渐增加，分别为79.5、88.36和106.0 m/s;由于密封齿阶梯式的排列增加了主流道的复杂性，阶梯密封流道分为节流区、射流区和涡流区，涡流区2个转向相反的旋涡增加了流道内气流动能的耗散。     

具有非线性PTO的波能装置水动力及获能分析

运用计算流体力学(CFD)方法对系泊双浮体波浪能装置的水动力及PTO(动力输出装置)非线性出力特性进行模拟和分析,利用VOF(流体体积分数)方法结合动网格及刚体求解技术模拟波浪生成及浮体运动,分析了不同速度指数的非线性动力输出装置下波浪能装置的水动力及获能特性,并与线性PTO的特性进行对比.在此基础上提出一种组合控制模式,可使波浪能装置在较大的PTO阻尼系数范围内维持较高的俘获宽度比.     

FDA发射干扰机对无源雷达干涉仪测向系统的欺骗机理

针对雷达电子战中,敌方无源探测雷达通过接收干扰机信号实现测向定位,威胁我方干扰机安全的问题,提出一种基于频率分集阵列(Frequency Diverse Array,FDA)的测向交叉定位欺骗技术。首先在建立FDA阵列模型的基础上,通过欧拉公式得到采用非线性频控函数的FDA阵列因子及相位方向图;然后推导了FDA阵列作用于干涉仪测得的信号到达角β、虚拟发射机在X轴的坐标位置x;接着,以干涉仪测向欺骗为基础,分析了FDA干扰机对测向交叉定位系统的欺骗原理及定位精度。仿真结果表明:通过合理地对载频、阵元数目、频偏的选择可以较好地实现在远场条件下FDA阵列对干涉仪测向的欺骗效果;在合理选择其他参数的同时,测向精度越高、定位模糊区面积越小,且定位虚拟干扰机位置始终落在50%CEP半径之外。     

基于Sobol法的车身抬高量的全局敏感性分析

为分析前轮转向时车轮中心主销拖距和车轮定位参数对车身抬高量的影响,建立了车身抬高量模型,并采用图形变换的方法进行求解,再应用改进的Sobol法对车身抬高量进行全局敏感性分析,比较了主销内倾角、主销后倾角、前轮外倾角、前轮前束角、车轮中心主销拖距对车身抬高量的贡献度。结果显示,车轮中心主销拖距、主销后倾角、主销内倾角对车身抬高量影响较大,其总效应指数分别达到0. 7323、0. 0270、0. 0219,说明车轮中心主销拖距是一个对车身抬高量影响较为明显的参数。     

矩形张量的S-型奇异值包含集

利用矩形张量A的指标集的一个划分——非空真子集S及其补集、分类讨论思想和三角不等式,研究了A的奇异值定位问题,得到了A的S-型奇异值包含集.