为了对充满不确定性与模糊性的空中目标识别数据进行处理，提高空中目标多传感器融合的准确性和可靠性，提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型。该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量，而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理。通过详细分析空中目标识别的推理规则，建立了空中目标识别的贝叶斯网络拓扑结构，提出了贝叶斯推理算法对多种证据进行融合计算的模型。识别实例表明该模型能够融合不同信息源的数据，有效地提高空中目标识别的效率。

应用动网格技术和用户自定义函数(UDF)对不同边界层影响下的会车过程进行数值模拟,并通过统计不同入口气流速度比例系数时流场分布和气动力数据,分析会车时流场的变化规律.结果表明在会车过程中,入口气流速度增大,两车气动力变化幅度增大;逆风车辆侧向力的增长幅度受车速变化的影响更明显.随着两车相对位置的变化,流场的变化使车辆受到的气动力不断变化,且会车前后的波动较大,导致车身发生波动,影响车辆行驶的稳定性和安全性.高速会车时车身抖动会更加剧烈,行驶的稳定性大幅降低,且两车间距较小易引发交通事故.在实际会车过程中,驾驶员应注意降低车速和控制两车间距,以确保安全会车.