复合材料层合板多钉连接的紧固件连接柔度

复合材料层合板多钉连接结构中螺栓紧固件连接柔度随钉排数增加而变化。为了阐明多钉连接紧固件连接柔度与单钉连接紧固件连接柔度的差异并建立多钉连接紧固件连接柔度的计算方法,进行了ZT7H/5429复合材料层合板螺栓连接结构拉伸试验和紧固件连接柔度解析求解;研究了旁路载荷对紧固件连接柔度的影响规律并提出了旁路载荷伴随下紧固件连接柔度的计算公式;针对紧固件连接柔度取值与分析模型的相关性,构建了描述钉间层合板柔度偏差的模型适应函数并提出了面向分析模型的紧固件连接柔度修正公式;对1列5钉连接结构进行了钉载计算。结论表明：采用所建立的修正公式对紧固件连接柔度修正后,使得梁-壳有限元模型的钉钉载最大计算误差由16%减小至3%,钉载峰值的计算误差由11%减小至2%,实现了准确且快速的钉载计算,尤其适合大规模复合材料层合板结构钉群连接区的工程应用。     

Si3N4陶瓷二次部分瞬间液相连接模型

在Si3N4陶瓷PTLP连接的基础上,提出了Si3N4陶瓷二次PTLP连接中间层设计的一般规律为Ti Cu X(X为Ni,Pt,Au,Pd等),X与Cu在固相和液相均是完全互溶的;分析了陶瓷二次PTLP连接过程并建立了连接模型,阐述了利用该模型选择连接参数的方法。     

基于软交换技术的多连接服务模型研究

以多连接服务中心系统的研究开发为背景,探讨了软交换平台体系结构和H.323协议栈结构的应用问题.首先提出采用软交换技术构建多连接服务模型的基本思想,进而给出基于软交换平台体系结构的多连接服务模型的系统构架,并给出网守模块的呼叫信令设计流程.基于软交换构建连接服务模型具有一定的独创性和先进性.     

带加固连接的复合材料梯形梁结构吸能特性研究

通过对梯形梁的连接部分加固,能够改善梯形梁准静态压溃时的失效模式并提高其吸能能力.分别用单层壳和叠壳有限元模型的建模方法,研究无加固连接的复合材料梯形梁在轴向准静态压溃下的吸能特性.在叠壳有限元模型建模可行且仿真结果准确,同时单层壳有限元模型达到了叠壳模型的预测精度,在此基础上,用单层壳有限元模型的建模方法研究带圆柱形和圆锥形两种加固连接的梯形梁在轴向准静态压溃下的吸能特性,并对比这两种加固连接的梯形梁的载荷位移曲线和比吸能大小,得出带圆锥形加固连接的梯形梁的峰值载荷最低同时比吸能最大.     

降低陶瓷与陶瓷或金属连接温度的技术

为降低陶瓷与陶瓷或金属的连接温度，目前采用的连接方法有过渡液相扩散连接、兰固态连接、机械连接、粘接、铟封和陶瓷表面低温改性后低温钎焊等。本文从上述连接方法的原理设计、连接材料设计与制备、接头性能及各自的优缺点等方面综述了陶瓷与陶瓷或金属低温连接研究的现状。     

宇航微波组件连接技术可靠性分析

针对宇航微波组件制造过程中的射频同轴电连接器与微带板之间的连接技术，以焊料硬连接、镀金铜带Ω形连接及金带包焊为研究对象，分析比较了不同连接技术的原理与特点，提出了相应的工艺控制要求与注意事项，并以SMA型电连接器为试验对象，对不同连接技术进行了鉴定试验验证、电性能测试及热应力仿真等可靠性评估与分析。结果表明：焊料硬连接焊点在经历力学鉴定试验和200次温度循环试验后出现疲劳纹，镀金铜带Ω形连接和金带包焊焊点则未出现异常；金带包焊的电性能与焊料硬连接较为接近，在1~8 GHz内基本满足使用要求，镀金铜带Ω形连接的电性能一致性较差；相同温度载荷下，硬连接焊点的最大热应力远大于镀金铜带Ω形连接及金带包焊，采用金带包焊的力学设计裕度远大于硬连接。     

拉伸载荷下管路连接副的密封性分析

研究了航空发动机钛合金管路连接副在拉伸载荷下的密封性能.首先,建立了连接副的等效刚性模型, 分析其在拉伸载荷下的受力,研究了密封面的接触力随拉伸载荷的变化规律,从机理上分析了拉伸载荷下管路连接副的密封性.第二,建立了管路连接副在拉伸载荷下的多体弹性接触模型,并对其进行有限元分析.采用初始渗透接触法,实现连接副的预紧状态,在此基础上施加拉伸载荷,然后再进行有限元求解.同时,研究了连接副密封面的接触力、接触面积和接触应力随拉力的变化规律,从而定量地分析连接副的密封性.      

管路连接中的约束设计(下)

论述了管路连接中约束设计的基本模型和基本方法,指出了现有减约束连接结构的局限性,为国内管路标准件的开发指出了发展方向。     

管路连接中的约束设计(上)

论述了管路连接中约束设计的基本模型和基本方法,指出了现有减约束连接结构的局限性,为国内管路标准件的开发指出了发展方向。     

基于优先级区间连接策略的抢占式线程池模型

通过阐述现有实时CORBA实现中使用的线程池模型,分析了这些模型在与优先级区间连接策略配合上存在的优缺点。提出了一种新的线程池模型,模型是针对实时CORBA规范优先级区间连接策略的抢占式线程池,能够更好地配合优先级区间连接策略,保证高优先级请求能得到及时的响应。     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.     

模糊超体神经网络及其在火箭发动机故障分离中的应用

提出了一种用模糊集表示火箭发动机故障模式的神经网络二次分离器,模糊集是由模糊超体聚集形成的集合体,模糊超体在一次分离中表现为由半径和球心确定的n维超球,在二次分离中是一个由夹角、球心和方向矢量确定的部分超球。神经网络二次分离学习算法与一次学习算法相比,提高了训练样本的分离精度,增强了神经网络对故障的敏感性。      

基于对传过程神经网络的航空发动机转子仿真故障诊断研究

为更好地解决动态模式识别及故障诊断问题,将过程神经元引入传统对传神经网络的竞争层,提出一种对传过程神经网络模型。并将所提出的网络模型及其学习算法用于航空发动机转子仿真故障诊断中,并得到了满意的结果。     

基于非线性预测的逆传播神经网络算法优化策略研究

逆传播神经网络算法是人工神经网络用于非线性预测的主要学习算法。它具有思路清晰，结构严谨，操作性强等特点，但同时也存在预测精度低，收敛速度慢等问题，本文从神经网络模型的结构出发，对学习算法提出了一系列改进和优化措施，以加快网络的学习速度，并增加模型的稳定性。     

基于RBF神经网络的液压位置伺服系统故障诊断

针对液压系统的非线性、时变、流固耦合的特点,提出双级径向基函数(Radial Basis Function,RBF)神经网络模型实现液压伺服系统故障检测与定位.采用第1级RBF网络作为液压伺服系统的故障检测滤波器,通过实际系统与RBF观测器输出的残差实现液压伺服系统故障检测.利用第1级RBF观测器的输出残差和网络结构参数,应用第2级RBF网络实现液压伺服系统典型故障定位.针对K均值聚类算法收敛速度慢的缺点,提出了改进K均值聚类算法和学习速率自适应调整算法,利用网络优化结构参数和学习率,加快神经网络收敛速度,减少运算量.实验结果表明,利用双级RBF神经网络能够有效地检测出液压位置伺服系统的故障,并能实现系统的故障定位.     

神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

动态模糊RBF神经网络焊接接头力学性能预测建模

建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明：模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

SLFM网络及其学习算法的改进

介绍了一种新型的人工神经网络--有监督线性特征映射(SLFM)网络,它综合了BP网络的可监督性和SOM网络算法简单的优点,具有学习速度快、精度高、扩展能力较强的优点.文中讨论了SLFM网络的拓扑结构和学习机制,并对网络的学习算法进行了改进,对比实验表明,改进后的SLFM网络其性能得到了进一步的提高.     

基于过程神经网络的航空发动机排气温度预测

从泛函分析的角度出发,将航空发动机排气温度预测问题转换为一种泛函逼近问题.利用过程神经网络对任意连续泛函的逼近能力,提出了一种基于过程神经网络的航空发动机排气温度预测方法.为克服过程神经网络学习速度慢的问题,为其开发了一种基于正交基函数展开的Levenberg-Marquardt学习算法.将所提出的预测方法应用到某型航空发动机的排气温度预测中,取得了满意的结果.