基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

先进工艺检测技术

我国航空、航天及军工等部门的精密机械零件的机械加工生产的主要特点是:高精度、复杂形状和难加工材料的零件多,新型号多、品种多、批量少,很多零件属于试制性生产.很多关键性零件由于精度很高、配合上有特殊要求等,对于配合零件在工艺上多采用“偶件配做”或“试验筛选”的方式制造.这种生产方式需要一种特殊的检测方式伴随着零件的加工制造过程.     

扑翼飞行器机翼开孔对气动特性的影响研究

论述了扑翼飞行器扑动升力产生的基本原理,提出采用机翼开孔的方式获得扑动升力的方法。通过风洞试验研究了翼面开孔对机翼气动特性的影响,结果表明机翼开孔可以有效获得扑动升力,降低扑动功耗,但会损失一定的推力。采用正交实验方法对风洞实验进行设计,构建机翼气动力关于实验参量的二次响应面方程,并通过响应面方程对开孔机翼的气动特性进行评价。结果表明所设计的开孔机翼最大起飞重量与无孔机翼相当,但其低速飞行能力较好,功率消耗较少,有望实现悬停飞行。     

基于深度学习驱动的L型定向热疏导机理

碳/碳（C/C）复合材料具有热导率大、比强度高、耐烧蚀和耐冲刷等优异特性,被广泛应用于飞行器的热防护系统中,其有效导热系数对于实际应用而言是重要的热物理性质,尽管可以通过有效介质理论、对热扩散方程直接求解和玻尔兹曼输运方程等传统方法计算C/C复合材料有效导热系数,但这些数值方法通常十分耗时。本文引入深度学习方法,将格子玻尔兹曼（LBM）的三维格子模型作为三维卷积神经网络（3D-CNN）微观结构,不仅解决了三维微观结构模型难以捕获的问题,还便于实现数值计算模型和CNN模型的同步简化,利用3D-CNN快速精准地预测三维三相C/C复合结构的有效导热系数,基于此对内置L型高导热碳纤维丝的定向热疏C/C复合结构的有效导热系数进行快速预测和研究。研究表明,CNN模型在LBM传热计算上表现出强大的学习能力,但在测试样本结构孔隙率过分超出训练集时预测误差将大幅增加,且当孔隙率变化范围从30%~35%变化到55%~60%时,CNN模型"内插"预测的相对误差较模型"外推"降低了0.93%~30.72%。在C/C复合结构中内置L型高导热碳纤维丝可以将高温区域的热量沿纤维方向定向疏导至低温区域。     

图解深空探测史

<正>人类探月任务是从什么时候开始的?都有哪些国家参与?各个国家用的月球探测器又长什么样?"玉兔"月球车跟它们相比算大吗?在此之前,人类成功在月球表面着陆过几次?除了月球,太阳系内还有哪些星球被安插了人类的"耳目"?下面几张信息图为您一一解答。     

在超低温下铝合金的力学性能

近年来,随着航天事业的发展,以液氢及液氧为燃料的火箭的研究受到重视,并开始认识到关于火箭结构材料,特别是火箭贮箱用材料的超低温力学性能之知识的重要性。同时也更加关心获得这些知识的手段的超低温材料试验。特别是拉伸试验,由于能获得很多关于材料的力学性质方面的知识,过去曾进行了在液氢温度下的一些实验,然而在条件更苛刻的液氦温度4.2°k下的实验事例是极少的。本报告之目的在于考     

柔性加工系统在航天工业中的应用

众所周知,航天工业的特点是“试制多、生产少、要求高、变化快、周期短”。特别是要求研制周期短这一条,对航天产品来说具有特别重要的意义。为了适应这一特点,就要求在生产制造工艺上具有较大的柔性和较强的应变能力。产品一变化,工艺能立即相应跟上。国外航天产品的研制周期较短,除了由于其技术水平、工业基础、标准化程度等多种因素以外,生产制造工艺的柔性程度较大,同样也是其中的一个极为重要的因素。     

伺服阀滑阀副叠合量测试技术中的数据处理方法

介绍了伺服阀滑阀副叠合量的测试原理。将数理统计中的相关系数、一元线性回归、F检验等方法应用到了叠合量测试中的数据处理上。给出了伺服阀滑阀副小开口弯曲度的概念,为分析伺服阀滑阀副的小开口特性提供了依据。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展,智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记,因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法,为在轨航天器实时故障诊断提供了可行方法.首先,对航天器运行数据进行预处理,将多维时域信号转换为二维图像信号;其次,搭建基于残差网络的故障诊断深度学习框架,并利用地面测试数据与其他航天器在轨运行数据对网络进行预训练;进而,为了实现当前在轨航天器实时故障诊断,本文采用迁移学习自适应方法,设计网络联合分布自适应代价函数,对故障诊断模型进行参数重调,使模型适应当前在轨航天器故障诊断任务.仿真结果表明,所提出的基于深度迁移学习的故障诊断方法可以快速准确的诊断出航天器故障.     

空中电场传感器

为了监测雷雨云下或云中电荷层的形成和演变,研制了一种空中电场传感器,它利用对金属定子采用交替屏蔽的原理来测量准稳态的大气电场。对仪器的工作原理,结构特点和技术指标作了较详细的介绍,并对该仪器的应用作了简短论述。