空中分布式作战概念及关键技术分析

空中分布式作战是美军为应对“反介入/区域拒止”挑战提出的重要作战概念，具备分布式、智能化、高动态、大规模等特点，是未来美军空中作战平台在体系支持下作战样式的发展趋势。首先，按照提出时间梳理了美军空中分布式作战概念及典型研究项目，分析了空中分布式作战内涵、特点、工作机理以及发展趋势；然后，结合空中作战平台典型构型，提出了全域作战体系支撑下的空中分布式作战样式设想；最后，设计了空中分布式作战体系技术框架，并讨论了相应的关键技术。     

夏季室内热环境与分区控温床垫的被褥气候匹配舒适域

通过设计一款能够进行3个分区独立控温的床垫探究在夏季室内24℃、26℃和28℃的热环境下人体局部和整体的热感觉关系以及与被褥气候的匹配舒适域。局部平均皮肤温度与局部热感觉呈现较好的线性关系且腿足部热感觉随其皮肤温度变化最敏感。头部其次,腰背部最后。头部的最佳舒适室内操温度为24.6～27.6℃,热中性温度为26.1℃;腰背部最佳舒适的人-床界面温度为33.0～34.8℃,热中性温度为33.9℃;腿足部最佳舒适的人-床界面温度为32.1～33.0℃,热中性温度为32.6℃。平均心率的数据变化的趋势随着整体热舒适性数据进行变化,当全身热感觉投票均增大时,心率也会逐渐升高。     

基于Lissajous曲线拟合的EFPI光纤传感器腔长解调

为提高非本征光纤珐珀传感器(Extrinsic Fabry-Perot Interferometric, EFPI)腔长解调的精度，基于EFPI传感器反射光谱近似余弦函数的特性，设计了一种基于李萨如图形(Lissajous-Figure)与标准形式椭圆曲线拟合的解调方法。将两组光强信号经过坐标变换拟合为标准椭圆曲线，以减少求解参数；并通过经验模态分解对数据进行分析，去余项后将得到的极值点代入椭圆曲线求解。将离散数据点分别移动5、10、15、20、25个点测试五组不同相移对解调结果的影响并选取其中误差最小的一组对EFPI传感器进行横向负载实验，分别施加5~25 N的应力，通过拟合椭圆曲线的解调方法将计算腔长差与理论腔长差相对比。结果表明，实际腔长差随负载成正比，平均误差值为5.690%左右，可以准确获取 EFPI 的腔长。     

基于Massive MIMO及频谱叠加的5G SA网络上行优化方法

大规模多输入多输出(Multiple-Input Multiple-Output, MIMO)可以有效提升5G SA网络的上行链路数据传输速率以及可靠性。针对5G SA网络上行链路速率和覆盖不均衡的情况,提出了基于大规模MIMO的分组算法,将发送信号矢量进行分组,组内采用最大似然检测,组外采用基于正交三角分解(QR分解)的干扰消除检测,并且结合5G频谱的叠加策略,在降低算法复杂度的同时,有效提升网络覆盖和速率。通过5G SA现网实测,通过MIMO降低分组数量能够提升分组检测性能,结合上行低频段频谱叠加策略能够有效提升5G SA网络上行覆盖30%,提升5G SA网络上行平均速率40%~80%,特别是弱覆盖边缘的网络速率,最高可达600%。     

GaN HFET中的能带峰势垒和跨导崩塌北大核心

考虑大沟道电流下外沟道局域电子气慢输运行为破坏沟道电中性,诱生空间电荷导致的能带峰势垒,提出了新的跨导崩塌模型。详细计算了不同栅压和不同沟道电流密度、即不同空间电荷密度下的场效应管能带。引入新的能带峰势垒和沟道电子跨越势垒的动态模型,解释了沟道打开过程中源电阻增大、沟道电子平均速度下降、大沟道电流下跨导下降等各类跨导崩塌行为,解释了场效应管沟道电子速度远低于异质结材料的缘由。运用沟道打开时的异质结充电和大沟道电流激励下空间电荷触发的能带峰势垒模型解释了跨导钟形曲线上升段中的电流崩塌和下降段中的跨导崩塌。深入研究了陷阱和局域电子气的相互作用,解释了可靠性加速寿命试验中的跨导曲线变化。沟道夹断的强负栅压应力产生内沟道逆压电缺陷,减弱栅电压对内沟道电子气的控制和沟道打开时跨导的上升斜率。沟道打开后的大电流应力使局域电子气与晶格碰撞产生热电子缺陷和空间电荷,抬高能带峰势垒引发外沟道堵塞,降低沟道电流,导致阈值电压正移。这一研究证明在场效应管直流和射频工作中的器件性能退化都是由陷阱同局域电子气相互作用产生的,开创了优化设计异质结能带来提高场效应管可靠性的新途径。最后讨论大沟道电流下能带峰势垒引发的外沟道堵塞和跨导崩塌在场效应管研发中的重要作用,提出了在空间电荷区上方设置专用的异质结鳍来平衡内、外沟道能带,解开场效应管中的电流崩塌、跨导崩塌、线性、器件性能退化及3 mm高频工作等难点。     

利用FDM和随机共振检测风机主轴承微弱旋转信号

轴承作为风力发电机设备中重要部件,其健康状态直接影响风力发电机运行的稳定性和现场的安全可靠性.由于风力发电机特殊的工作环境,导致采集到的振动信号中包含大量的噪声干扰,难以准确提取轴承振动信号包含的信息成分,给评估主轴承健康状态带来困难.因此本文采用将傅立叶分解(Fourier decomposition method,FDM)和随机共振(Stochastic resonance,SR)相结合的方式提取信号中微弱的轴承振动信息.首先用FDM将原始信号自适应地分解为一系列包含轴承振动特征的傅立叶频带函数,然后找出相关性大的频带函数进行重构,最后采用SR对重构信号进行分析获得特征频率,判断轴承的健康状态.结果 显示,将两种方法相结合能有效提高输出信噪比,提升特征频率检测的精度,为实现风机轴承早期微弱故障诊断提供帮助.     

一种基于SVD的改进LTS气动数据异常检测方法

用稳健的最小截平方和(LTS)估计检测气动数据中的异常,但气动数据是海量和高维的,使得LTS要求解的矩阵维数很大,造成巨大的时空开销.为此,引入迭代的奇异值分解(ISVD)求解LTS的最小二乘问题,实现更快的异常检测.实证分析采用某飞行器外形数据,分别运用OLS,FastLTS以及ISVD-FastLTS对数据集进行异常检测和对比分析.实验证明,相比于传统方法,ISVD-FastLTS能更加快速且准确地识别异常值.