静力弹塑性分析(Pushover Analysis)的基本原理和计算实例

阐述了美国两本手册FEMA273／274和ATC-40中关于静力弹塑性分析的基本原理和方法，给出了利用ETABS程序进行适合我国地震烈度分析的计算步骤，并用一框剪结构示例予以说明，表明Pushover方法是目前对结构进行在罕遇地震作用下弹塑性分析的有效方法。     

充分利用海洋环境提升声呐装备性能的研究

声呐装备的性能发挥与海洋环境密切相关。研究海洋环境对声呐装备的影响,积极推动环境适配型声呐装备的发展,对于综合利用水下探测和通信手段,提升我国水下信息化能力具有重要意义。着重分析典型海洋环境和过程对声呐性能的影响,包括不规则海底边界、海水的介质特性以及多尺度海洋动力过程, 通过算例对比说明环境效应对声呐的影响。进而,针对声呐装备的使用和发展,围绕环境适应与适配提出相关建议与措施。     

氯化钠浮选剂概述

综述了各类氯化钠浮选剂对氯化钠的浮选。并对各类浮选剂的浮选性能进行了比较。     

附加黏滞阻尼器结构简化分析方法

介绍了FEMA273给出的传统结构线性静力分析方法,并用该法分析附加粘滞流体阻尼器结构,给出了附加粘滞流体阻尼器结构抗震性能评估的具体分析方法.为了验证所提方法的精确性,对设计好的附加黏滞阻尼器结构进行了非线性动力分析,动力分析使用的人工波加速度反应谱形状与设计消能结构时使用的设计反应谱相匹配.实例分析结果表明,该方法能快速、有效地评估附加流体阻尼器结构在大震作用下的抗震性能,特别是在消能结构初步设计和分析阶段.     

EGNOS系统进展情况

EGNOS是欧洲建设的第一个卫星导航系统，它通过增强两个军用导航系统来向系统服务区内提供差分改正数据和系统完好性信息，来满足高安全用户的需求。本文全面介绍了欧洲EGNOS系统总体设计、技术亮点、系统体系结构、工程现状、系统性能以及系统开发和走向等有关方面的最新情况，为我们国家建设自己的卫星导航增强系统积累经验。     

三种多卫星降水产品在中国大陆地区的性能评估

经地面降水观测资料校正的多卫星遥感降水产品的质量得到改进,但不同多卫星遥感降水校正产品的误差和性能在中国大陆地区缺乏相关的分析和比较,不利于用户对这些产品性能的理解及相关的降水数据使用。基于2015年和2016年的数据,研究采用降水探测能力指标和精度指标对经地面资料校正的MSWEP,IMERG和GSMaP的性能在中国大陆地区做了详细的性能评估,并为这些产品的误差校正算法提出改进方法和思路。     

不同ＩＧＳ产品精密单点定位性能分析

精密单点定位（ＰＰＰ）依靠ＩＧＳ分析中心发布的精密星历和钟差产品进行高精度绝对定位,由于ＩＧＳ最终精 密星历的发布有２～３周的延迟,无法满足高时效的生产需求,而不同的分析中心则会在１～２ｄ之内发布快速精密 星历,因此对不同分析中心发布的快速精密轨道和钟差产品精度进行研究,并通过静态和动态精密单点定位实验验 证分析,旨在实际应用中根据需求选择对应分析中心的精密产品。结果表明,不同分析中心的精密轨道和钟差产品 精度存在差异,其中ＩＧＲ最优,ＧＦＺ与ＥＭＲ稍差;精密单点定位实验中,ＥＭＲ、ＥＳＡ、ＧＦＺ产品收敛 速度快、定位精度高,ＥＳＡ整体定位性能最优。     

在轨导航卫星的性能监测

随着全球卫星导航系统(GNSS)在国家安全、经济及社会发展中的作用越来越显著,各个卫星导航系统均通过不断发射卫星,保持足够数量的卫星在轨正常运行,从而确保系统对外提供连续的导航定位服务.随着在轨运行时间的不断增长,导航卫星设备出现故障或工作异常的概率也将逐渐增大,针对在轨导航卫星出现的常见故障,提出在轨导航卫星的性能监测需要对卫星运行的空间环境、卫星钟性能进行实时监测和预报,并对导航信号、卫星有效载荷重点参数进行监测和分析,同时对相应内容的监测方法进行了论述.     

多种角度比较SIFT、SURF、BRISK、ORB、FREAK算法

SIFT、SURF、BRISK、ORB、FREAK等图像特征匹配算法具有不同的鲁棒性,本文利用Mikolajczyk和Schmid所提供的数据集,对这几种算法从匹配速度,应对图像旋转变换、模糊变换、光照变换、尺度变换、视角变换时表现出的鲁棒性等角度进行比较。本文采用的评价指标是两幅图像中成功匹配的特征点对数。经比较分析后发现,SURF和FREAK算法表现出的鲁棒性较为全面。     

基于机器学习的卫星导航系统全球定位性能评估方法研究

针对卫星导航系统伪距相位、广播星历等观测数据,本文采用特征提取和模型回归等技术手段,从数据类型和观测时间两个维度寻找数据内在特征,挖掘出海量测站数据之间的特征关联,并采用机器学习方法评估卫星导航系统全球定位性能.本文所提出的评估方法在实际测站数据上进行了验证,中国及周边区域12个测站模型定位精度1-平均绝对百分比误差(mean absolute percentage error, MAPE)的均值为92.36%,最差为PTGG站,1-MAPE为89.26%;全球范围120个测站模型定位精度1-MAPE的均值为86.59%,最差为SCOR站,1-MAPE为81.46%,与传统数理统计框架下得到的实测值较为吻合.实验结果表明：基于机器学习模型评估卫星导航定位性能的方法可行有效,机器学习模型在大数据统计分析中具有强评估能力和高泛化性,突破了现仅用传统数理统计的全球定位性能评估思路.