外加电磁窗减缓再入飞行器的通信中断

为解决再入过程中的黑障问题,在前期磁窗天线增强等离子体透波特性研究基础上,开展了外加电磁窗影响研究,磁体为钕铁硼,外加电压为100 V。利用不同飞行高度下的流场数据,对不加电磁场、外加磁场和外加正交电场与磁场影响下的流场进行数值模拟,对比不同参数设置下天线窗口处的电子密度和电磁波衰减常数,分析了再入飞行器的飞行高度、天线窗位置、电磁波频率、电子密度和碰撞频率等参数对电磁窗天线性能的影响。从分析结果可以看出,外加正交电场与磁场对于减缓再入过程中黑障的效果优于仅外加磁场,通过合理选择电磁窗的工作状态和参数可以改变等离子体的分布特性和介电参数,能够有效地增强电磁波在等离子体鞘套中的传输,为解决和减缓通信中断问题提供了一种可能的途径。     

混合启发式算法求解多配送人员车辆路径问题

为解决带时间窗和多配送人员的车辆路径问题,本文采用混合启发式算法对其进行求解。该算法主要由整数规划重组、局部搜索算法和模拟退火算法三部分组成。在算法中,整数规划重组有效提高了解的质量,局部搜索算法和模拟退火算法保证了算法搜索的深入性和广泛性。通过与CPLEX和禁忌搜索算法进行对比,证实了混合启发式算法实用价值更高,求解效果更好。     

基于移动时间窗和时空窗主成分分析组合特征的损伤识别方法

近年来，机器学习算法在结构损伤识别领域得到了广泛应用。已有研究表明，设计良好的输入特征能够适应多种算法，从而减少调参时间和计算成本，并提高算法的识别准确率。本文引入移动主成分分析和时空窗主成分分析方法提取损伤敏感的特征组合作为机器学习输入，使用双跨平面梁有限元模型生成的模拟应变数据对组合特征的损伤识别效果进行验证。结果表明，良好的特征向量组合对损伤更加敏感，不仅有助于识别在传感器周围发生的损伤，而且能有效地定位结构边缘和远离传感器位置处的损伤，从而提高算法的损伤识别效果。此外，多种噪声强度下的实验表明，组合特征具有良好的鲁棒性，能较好地适应外界环境的变化。     

水下双层加肋圆柱壳全空间收发分置散射声场快速预报方法

针对水下双层加肋圆柱壳的全空间收发分置散射声场求解,提出了一种快速预报方法。该方法将散射声场表示为声散射传递函数与声源密度函数的乘积,以目标表面网格信息、少量的仿真或测试多基地散射声压数据作为已知信息,借助数值积分、矩阵理论、最小二乘法对其他收发分置散射声场进行预报。分别以有限元仿真和试验测试的散射声压数据作为输入,对水下双层加肋圆柱壳的多基地散射声场进行了计算,并与完全采用有限元方法的计算结果进行了对比。结果表明:该方法在目标表面结构和部分散射声场数据已知条件下能对目标的全空间收发分置散射声场进行预报;已知散射声压数据量越多,计算频率越低,预报精度越高。     

转角双层石墨烯中的势杂质效应（英文）

近年来，平带在转角双层石墨烯（TBG）中的发现引起了越来越多的关注。在这项工作中，我们报告了我们对这个平带系统中杂质效应的研究，这对于真实材料来说是一个重要问题。通过采用Lanczos递归方法，我们求解了杂质附近的局域态密度（LDOS）。我们发现，对于大尺寸的杂质，一系列束缚态在杂质内部形成，LDOS中平带所对应的峰在杂质边界附近被压制，而在杂质内部由于杂质势的作用而发生平移。随着杂质尺寸变小，其对平带的影响变弱，这符合其大尺寸Wannier函数的预期。这个特性与通常具有小尺寸局域Wannier轨道的平带系统有所不同，表明TBG中的平带对小尺寸杂质更加稳定。     

PPC地膜不同覆盖方式下降解特征的红外光谱分析

为解决可降解地膜因降解而发生过早的破裂，研究不同覆盖方式下PPC地膜的稳定性及降解情况。设置了6种田间覆盖方式：单层黑色PPC地膜(SB);单层白色PPC地膜(SW);双层黑色PPC地膜(DB);双层白色PPC地膜(DW);上黑色下白色双层PPC地膜(DBW);上白色下黑色双层PPC地膜(DWB),测定了不同时间段地膜的红外光谱特征、力学性能和分子量，对不同处理下地膜的降解情况做出判断。结果表明，地膜长时间暴露在自然条件下，地膜的韧性变差，分子结构中的主链发生断裂，进而C—H键和C—O键的吸收峰相对强度随时间延长发生下降；由于地膜在水分子和微生物的作用下发生降解进而导致■伸缩振动峰和C—O—C反对称吸收峰相对强度出现不同程度的上升。双层地膜因经阳光照射下分子链活跃出现粘连的现象，稳定性明显高于单层地膜，因此双层地膜DWB和DBW处理的官能团吸收峰强度较单层地膜稳定，降解程度相对更缓慢。各处理的分子量和力学性能都呈现下降的趋势，双层地膜处理的分子量、伸拉力强度和断裂伸长率显著高于单层地膜，其中黑白双层地膜DWB处理和DBW处理在30～150 d内的稳定性强于单层地膜，到150 d时，DW...     

基于自适应因子图优化的导航系统信息融合方法

针对传统因子图优化方法（FGO）中量测协方差矩阵不准确带来状态估计精度下降问题，提出了一种基于滑动窗的自适应因子图优化方法（SWAFGO），将滑动窗技术应用到量测协方差矩阵的估计，利用滑动窗内的残差序列估计协方差矩阵。与传统的使用单点残差的自适应因子图方法（SRAFGO）相比，所提出方法不需要误差模型的先验知识，而且充分利用了历史残差数据，因此性能上有较大的提升。仿真实验和KITTI数据实验结果表明，在无先验知识条件下，所提出方法能够较准确地估计出量测协方差矩阵，且相较于SRAFGO方法位置估计精度提升12%。