中国航空发动机的研制（上）

航空发动机的作用是非常重要的，其性能的好坏直接影响着飞机的飞行性能、可靠性及经济性，因此，它被喻为飞机的“心脏”。由于航空发动机要在高温、高压、高转速和高负荷的环境中长期反复地工作，而且还要求具有重量轻、体积小、推力大、使用安全可靠及经济性好等特点，因此，必须要有很强的设计、加工及制造能力，是一种典型的技术密集型产品。航空发动机研制周期长，技术难度大，耗费资金多，不是每一个国家都可以研制生产的。因此，虽然目前世界上可以研制生产飞机的国家并不少，但具备独立研制航空发动机能力的国家却只有美、俄、英、法、中等少数几个。在某种意义上讲，研制航空发动机的能力是一个国家进入航空强国的重要标志。中国航空发动机的研制是在新中国成立后一片空白的基础上发展起来的，从最初的修理、仿制、改进改型到今天可以独立设计制造高性能航空发动机，走过了一条十分艰辛的发展道路。本文对建国后所研制生产的各型涡喷、涡扇发动机做一回顾，使读者能对我国航空发动机的发展有一个较为全面的了解。     

USO:比UFO更神秘

提起UFO（不明飞行物）。可能世人皆知，它代表种种神秘的空中飞行物体，它们可以千奇百怪，但就是不合乎常理。UFO可以说已经戏弄得科学家们非常狼狈。但是，还有一种鲜为人知的神秘现象。它们不但戏弄着科学家，还戏弄着美国和前苏联等国的海军们。它们叫做USO （Unidentified Submersible Object）-不明潜水物，只与UFO差一个字母。曾经在相当长的一段时间里，美国、前苏联等国为了追逐USO．耗费了大量的财力和军力，结果却无功而返。     

反潜直升机转移探测点飞行过程模拟

模拟训练的真实性取决于数学模型对现实２的仿真程度，本文介绍了一种反潜直升机在转移探测点飞行时的数学模型。经使用与海上实际情况相近。     

用轨迹线法计算站场警冲标信号机

介绍了一种新的站场信号机警冲标计算方法，详细分析了轨迹线的轨迹计算问题。     

航天简史(五)

三、人类认识星球的“天体”——太空探测器 1.月球探测 星河灿烂，深空路遥。当第一颗人造卫星进入地球轨道飞行之后，人类向地外星球探测就提上了日程。地外探测，不仅考察高空辐射带、宇宙射线、太阳风等对地球的影响。     

自由曲面上喷涂机器人喷枪轨迹规划方法研究

提出了一种自由曲面上的涂层生长模型及喷涂机器人喷枪轨迹规划方法，选取时问和涂层厚度作为优化目标，寻找喷枪沿指定路径的最优时间序列，通过求解带约束条件的多目标优化问题，找到了一条能使工件表面上涂层厚度方差最小且喷涂时间最短的喷枪轨迹。本文的优化方法将最优变量个数从一般喷枪轨迹规划问题中的6个（代表喷枪的位姿）减少为1个，从而大大简化了问题的复杂性。     

美国能源部国家实验室帮助海军削减CVN 21航母上的空勤人员

美国能源部桑迪亚国家实验室的研究人员与海军一起对航母空军联队的飞行作业、维护和保障功能进行分析，目的是显著缩减人员规模，同时使每位船员的技术得到增强。     

轨道交通车辆运行轨迹的光纤监测技术

日前由于信息技术的迅速发展,轨道交通的运行车辆自动列调信号控制系统十分先进。高度的自动化系统,带动了轨道交通的迅速发展。但是,由于轨道交通的运行车辆自动列调信号控制系统是由一系列软硬件系统组成,其中任何一个系统的故障,都会造成整个运行车辆自动列调信号控制系统的瘫痪。同时,由于安置在轨道交通各区间的运行车辆自动列调信号控制设备的正常运行,都离不开电源。     

基于UWB定位的邮轮乘员伴随关系发现算法

准确发现邮轮内部空间乘客之间的伴随关系, 在室内环境安装UWB定位设备开展室内人员定位实验。根据UWB定位的位置数据特点, 提出结合室内位置语义的Hausdorff-DBSCAN算法以聚类邮轮乘员轨迹, 并利用LSTM神经网络对疑似伴随关系对象进行相似度变化趋势的预测。传统的Hausdorff算法在计算轨迹相似度时未考虑轨迹时序一致的问题, 引入位置语义序列能够较好地解决这个问题。改进后的Hausdorff-DBSCAN算法的输入为乘员轨迹数据集, 根据轨迹整体相似度阈值选定聚类半径, 输出具有伴随关系的乘员轨迹聚类结果; LSTM神经网络以定长时间窗口的点邻近度序列为输入, 预测后1个时刻点邻近度值, 结合轨迹相似度阈值和预测结果分析乘员伴随关系的时序变化。利用Anylogic建模单层邮轮室内环境进行乘员仿真得到的轨迹数据验证算法的有效性。改进的Hausdorff-DBSCAN算法的准确率为0.920, 召回率为0.950, F₁值为0.934, 准确率高出对比算法至少5.7%, 召回率高出对比算法至少8.0%, F1值高出对比算法至少6.7%。同时LSTM在预测邮轮乘员之间相似度变化时, 收敛后的误差值能保持在3%~4%左右, 预测结果具有较高的准确性。      

遗传算法在船舶运行轨迹大数据智能采集中的应用

针对当前舰船航迹数据采集方法信息更新速度慢、采集精确度低,无法满足海上航道信息采集要求的问题,提出了基于遗传算法的船舶运行轨迹大数据智能采集应用方法。分析和挖掘船舶航迹数据,得到船舶总体运行特征,优化航迹压缩算法,通过实时处理冗余信息并进行多层存储,噪声去除、插值和航迹分割大型船舶航迹数据,实现轨迹空间并行聚类,采用遗传算法简化航迹数据,得到多个块区域的点集合数据,并窗口化处理块区域,识别航迹通道边界,完成船舶航迹数据的精确采集。实验结果表明,所提方法的信息更新速度较快,能够有效提高采集精确度,满足船舶航行轨迹采集要求。