随着航天回收系统应用需求越来越广，回收物质量也越来越大，对翼伞面积的要求越来越高，超大型翼伞开始受到广泛的关注，然而目前国内外对超大型翼伞的研究较少。对此，文章以超大型连续翼伞和超大型组合翼伞为研究对象，分别对其进行物理建模。采用计算流体力学（Computational Fluid Dynamics，CFD）的方法，基于k-epsilon湍流模型，分别计算在无下拉、单侧下拉、双侧下拉时超大型连续伞和超大型组合伞的气动特性。研究发现，超大型组合伞在组合处有很明显的气流补充，可以减缓流动分离的情况，增大失速迎角，更适合大攻角的飞行任务，适用范围更广。研究成果可以为以后超大型翼伞的选型提供一定的参考。

针对时域脉冲信号样本的射频指纹提取与深度学习模型的可解释性，提出了一种基于Grad-CAM的重要区域可视化呈现方法，并通过重要区域的多次掩码测试，来分析重要区域对射频指纹识别结果的影响。基于10个辐射源的信号样本，对比了层数不同的两种ResNet模型的测试结果。测试发现该方法能够区分不同类型信号并呈现个体差异。分析表明，该方法能够发现不同辐射源发送相同信号时的重要区域定位差异，能可视化反映辐射源个体特征的空间距离，以及不同模型的特征表征与指纹定位准确度差异；同时发现对重要区域的掩码更容易产生误预测，证明特定信号存在与时频特征相关的射频指纹，并可辅助可视化定位影响射频指纹样本识别的关键点。

构建了典型后门耦合目标，从时域和频域两个维度对目标进行了回波特性仿真，发现目标的孔缝-腔体结构出现强耦合时回波频域波形可观察到幅度凹坑，且强耦合频率时的回波时域波形呈双峰状，与非强耦合回波存在明显差异。通过改变后门耦合目标尺寸和形态仿真验证了所发现的回波信号特征规律，利用发现的回波信号特征规律可从回波信号中提取出未知目标腔体后门强耦合微波参数。

介质阻挡放电 (DBD) 在工业中得到广泛应用，但效率限制了它的进一步应用。提出了一种DBD结构和针板结构相结合的三电极结构。将正极性脉冲电源施加在DBD电极上，负极性脉冲电源施加到针板电极上。分析了不同结构下三电极DBD的放电特性、现象和光谱强度。结果表明，三电极结构更加有利于DBD放电通道的产生，其放电均匀性、发光强度均强于双电极DBD，特别是在丝网接地电极条件下，放电更加强烈。当三种电极结构正极性电压维持在11 kV，负极性电压为−5 kV时，丝网接地三电极中DBD的放电电流峰值达到1.54 A，而实心接地三电极和传统双电极中DBD的放电电流峰值为1.14 A和0.74 A。在负极性脉冲维持期间，针网间隙处于击穿状态，DBD放电出现很大的放电电流。在三电极结构中，随着施加在针板上负极性电压的升高也使三电极DBD放电更加强烈。不同结构下的DBD的放电光谱表明在丝网接地时三电极DBD激发粒子的光谱强度最强。这一趋势与DBD放电电流和功率一致。

由于涡轮叶片所处的工作环境复杂，受到壁面及燃气辐射干扰，导致测温十分困难。为进一步分析涡轮叶片表面在端壁影响下的温度分布情况，采用数值模拟结合自定义编程的方式进行了含端壁涡轮导叶的温度误差验证计算。利用自定义编程对经典同心球模型进行了角系数，有效辐射等可靠性验证计算，验证方法可靠。基于该方法进行了端壁与涡轮导叶各网格单元的角系数，叶片表面间的辐射换热计算，输出涡轮导叶的表面辐射特性分布，运用玻耳兹曼定律反推导出该工况涡轮导叶所受到的辐射能流分布情况；计算分析了不同误差影响机理下，含端壁的涡轮导叶温度误差分布情况，探明了热辐射环境下对叶片表面辐射特性的影响。结果表明：当进口黑体辐射温度在1400~1800 K之间，进口辐射强度是对叶片换热影响最大的因素；利用有效辐射和所计算的误差分布可知，进口辐射温度影响区域主要是叶片前缘区域，最大计算误差不超过2.82%；通过有效辐射及误差分布可见，出口黑体辐射温度的变化对于涡轮导叶的影响较小，受温度影响区域也主要为叶片前缘区域，最大计算误差不超过2.35%；叶片表面发射率与温度成正相关，当叶片表面发射率增大时，叶片表面温度随之均匀升高，在真实工况下，叶片材料物性的改变较小，在发动机设计中可以近似忽略由于叶片温度变化导致物性参数改变带来的影响。

2019年和2021年新冠疫情期间西安市政府均采取了强有力的管控措施，为此对比研究了不同程度减排措施对空气质量的影响。采用特征雷达图、空间插值和HYPLIST轨迹模型等方法对西安市疫情期间 (2019年12月—2020年2月、2021年12月—2022年2月) 和正常生产期 (2020年12月—2021年2月) 冬季空气质量变化特征进行了对比分析，并探讨了人为减排情景下空气质量变化潜在原因。结果表明：(1) 西安市环境空气质量指数 (AQI) 空间分布整体呈现“西北劣东南优”特征。2020年疫情严控期空气质量得到明显改善，优良率达到53%；2022年疫情严控期空气质量未受管控措施明显影响。(2) 2020年疫情严控期除O₃外污染物浓度均明显下降，降幅分别为PM_2.5 (42.90%) > NO₂ (42.13%) > CO (35.37%) > PM₁₀ (32.58%) > SO₂ (17.40%)；2022年仅有SO₂和NO₂浓度下降，降幅为NO₂ (31.86%) > SO₂ (18.31%)。疫情期间污染类型属于偏二次型。(3) 疫情期间，污染天气是在高湿静风天气条件和盆地地形的基础上，受人为源排放和区域污染物传输引起的，因此促进污染物协同减排和关中地区联防联控是改善空气质量的关键举措。