直升机球柔性尾桨桨毂连接件疲劳试验技术研究

本文介绍了一种直升机球柔性尾桨桨毂连接件疲劳试验方法,重点研究了尾桨桨毂连接件疲劳试验时力学计算模型的建立与力学计算模型试验验证,试验结果表明力学计算模型正确,试验方法可行。     

燃烧室长度对液态燃料旋转爆轰发动机性能影响实验研究

为了研究燃烧室长度对液态燃料旋转爆轰发动机性能的影响,在环形阵列式连续旋转爆轰发动机上,以汽油/富氧空气为工质,详细分析了不同燃烧室长度下爆轰波传播模态、平均压力峰值和传播速度的变化特征。测量了发动机模型在不同燃烧室长度下的一维推力,分析了推力和燃料比冲的变化趋势。实验结果表明:出口背压为大气压时,空气流量为762.9g/s,氧气流量为182.4g/s,汽油流量为84.3g/s,当量比为0.82,燃烧室长度L=235mm工况下爆轰波为稳态双波对撞模态,平均压力峰值和传播速度分别为0.9MPa和1068m/s,爆轰波传播频率为2.223kHz。当L235mm时爆轰波为非稳态双波对撞模态,平均压力峰值变化较小,传播速度随着燃烧室长度变短而降低。仅在L=135mm工况下,爆轰波传播速度略高于L=155mm工况点,推力和燃料比冲分别为579.5N和701.5s。当155mm≤L235mm时推力和燃料比冲随燃烧室长度增加而缓慢增大,L=235mm时推力和燃料比冲分别为607.3N和735.1s,L235mm时推力和燃料比冲变化趋于平缓。     

原模图LDPC码的准循环扩展和编码算法

原模图LDPC码性能优异, 适合高速编译码, 但针对它的扩展和编码算法研究较少. 利用矩阵环与多项式环的同构关系, 提出了原模图LDPC码准循环扩展和生成矩阵求解的高效算法. 仿真结果表明, 用所提出的扩展算法得到的原模图LDPC码, 在相同的最大变量节点度条件下, 性能优于已知的最好无结构非正则码.      

美卫星和火箭制造商要求政府改变政策

卫星制造商希望发射业务多渠道化 通用电气公司是美国卫星的主要拥有者和制造商,它一直在敦促政府重新考虑其政策,撤消其禁止使用苏联质子号运载火箭发射涉及美国技术的卫星的禁令。 美国一次性使用运载火箭工业界的人士说,美国卫星的另一家制造商休斯飞机公司也竭力主张取消该项政策。 通用电气公司负责通信与服务的高级副总裁尤金F·墨森于9月15日向众议院空间科学与应用小组委员会写了书面报告,报告说:“为了增加发射卫星的可选择渠道和降低成本,政府应当认真研究     

波音公司工业工程机构的设置与我国航空企业工业工程推广应用的对策

简要介绍了美国波音公司工业工程（ＩＥ）机构的设置，以及我国航空企业近年来推广应用ＩＥ的情况，提出航空企业九五期间推广ＩＥ的若干设想和设置ＩＥ机构的若干建议。     

决策表—一种DSS系统自动生成方法的设计

在决策支持系统(DS5)中,许多规则库文件可以通过决策表来自动生成。本文论述的是:决策表概念;用dBAsEⅢ系统建立决策表,自动生成规则库;汉字型决策表方法的设计;决策表相容性检测的算法及实现。     

基于BP神经网络的飞行动态实时预测方法

针对传统Back-Propagation网络(简称BP网络)收敛速度慢、网络灵敏度过高和隐含层数难以确定等缺陷,提出一个改进型BP网络,提高了网络预测的实时性和精确性;然后将之应用到飞行动态预测问题上,充分发挥网络模型的学习、记忆和动态自适应性的优势,力图解决飞行器轨迹的描述和预测问题.      

声发射技术在直升机疲劳试验裂纹检测中的运用

随着声发射技术的发展,声发射技术在工程无损检测上的运用日益广泛。本文对声发射技术的应用现状、基本理论及在直升机疲劳试验裂纹检测中的应用进行了介绍,以期让更多的直升机行业的技术人员对声发射技术有个基本了解。     

声发射技术在直升机桨叶大梁疲劳试验裂纹检测中的应用

本文介绍了声发射技术在直升机桨叶大梁疲劳试验裂纹监测中的应用,并分析了现场试验中遇到的几种干扰及其辨别。这些干扰源包括电磁波、试件与工作台的摩擦、撞击等等。     

基于LSTM-ResNet模型的时变结构损伤检测

面向火箭结构健康监测，提出了一种基于深度学习的损伤检测方法，直接将多个通道的振动数据作为输入，并基于由长短时记忆网络LSTM（Long Short-Term Memory Networks）和残差卷积神经网络ResNet（Residual Convolutional Neural Networks）组合而成的LSTM-ResNet网络进行损伤识别。其优点在于，首先利用LSTM提取信号的时间依赖特征，减轻了由某些通道信号缺失带来的影响，再利用ResNet在不损耗特征的情况下进一步提取空间特征，提高了训练效率和损伤辨识准确性。通过充液圆筒振动放水实验模拟火箭飞行状态下的燃料消耗，并基于自主构建的数据集和公用数据集对LSTM-ResNet、LSTM、ResNet以及ResNet-LSTM网络进行了训练，训练结果表明，LSTM-ResNet组合网络无论在传感器是否存在故障的情况下都具有更好的性能，损伤检测精度更高。