铁酸铋/GO复合燃速调节剂在丁羟推进剂中的应用

采用水热法制备了BiFeO3、BiFeO3/GO、钾离子掺杂BiFeO3/GO及铈离子掺杂BiFeO3/GO四种复合材料,研究了材料结构、形貌及其对HMX热分解的催化作用,结果发现铈离子掺杂能够有效降低掺杂铁酸铋的粒径分布,铈离子掺杂的BiFeO3/GO对HMX的热分解表现出很好的催化作用,使之热分解起始温度从281℃...     

循环电载荷下大功率LED金引线疲劳断裂寿命预测

随着大功率发光二极管（LED）在照明领域的普及与广泛应用,可靠性逐渐成为研究的重点。大功率LED封装器件中金引线疲劳断裂失效一直是制约其可靠性的重要因素。通过针对大功率LED封装器件中的金引线力学仿真与功率循环试验相结合的方法,首先确定循环电载荷条件下该型LED的主要失效原因为金引线疲劳断裂,其次提出基于电流加速模型的加速因子提取方法和基于应变幅值的Coffin-Manson解析寿命预测方法,最终完成对LED金引线疲劳断裂寿命的预测和试验验证。研究结果表明:所提方法具有较高的寿命预测精度,可以满足大功率LED封装器件可靠性快速、准确评估的要求。      

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征；其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力；最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。     

非紧致气动噪声半空间传播基本解的边界积分方法

为了获得低马赫数流动诱发的非紧致气动噪声在半空间内传播的基本解,结合复等效源方法和边界元方法建立了半空间精确格林函数的边界积分方程,当半空间边界为刚度型阻抗边界时可避免奇异性积分。同时基于等效源方法提出一种半空间二维非紧致圆柱声散射模型,推导了静止介质中声散射基本解的理论表达式。对静止介质中的二维圆柱声散射,数值解在研究的频率与观察点处与理论解一致。采用数值方法计算二维圆柱绕流诱发的半空间声场基本解,结果显示半空间边界强化了声源的声辐射能力,小于马赫数0.2的介质运动对声传播的影响可以忽略。     

航空发动机雷击电磁仿真工程简化技术

针对目前大型电器复合体三维电磁仿真过于耗时的问题,以某型航空发动机雷击电磁仿真任务为例,提出移除零部件 与简化几何结构相结合的方法对整机几何模型进行简化。简化部件包括发动机的压气机、燃烧室、涡轮和尾喷管。采用传输线矩 阵法进行仿真分析,得到不同零部件对发动机控制器线缆感应电流的影响,量化不同简化方法的影响,并且通过仿真验证了工程 简化方案的合理性。结果表明：简化方法缩短了70%的仿真时间。     

基于Hankel阵的荧光油膜灰度与厚度预测模型改进

针对荧光油膜灰度与厚度关系数据采集方法较为繁琐、耗时耗力这一问题,研究了基于Hankel阵的系统辨识算法,并在此基础提出了Hankel阵误差修正模型和Hankel阵高阶迭代误差修正模型等两种改进方法,利用了极少数据量建立模型,实现了对其余未知荧光油膜厚度值的预测,且保持了较高的精度。试验结果表明:基于极少数据量建模以预测该数据量外的数据点这一特殊背景下,插值法的外插能力显得并不适用。而传统Hankel阵预测模型的预测精度为76.69%,Hankel阵误差修正模型和Hankel阵高阶迭代误差修正模型的预测精度分别为85.69%和89.25%,较之传统方法预测精度分别提高了9%和12.56%,为荧光油流技术领域针对荧光油膜灰度与厚度建模问题提供了一种可行技术路线,具有一定的实际工程应用意义。      

某涡轴发动机涡轮叶片尾缘孔的蠕变-疲劳寿命预测方法

针对某涡轴发动机的涡轮叶片,建立了考虑应力松弛的蠕变-疲劳寿命分析方法。通过在黏塑性理论框架内耦合蠕变损伤,对某高温合金的非线性蠕变变形进行了数值模拟。结果表明:基于对某涡轮叶片的弹塑性-蠕变分析研究,明确了叶片上前缘和尾缘等关键部位的蠕变损伤及其演化规律,也为确定叶片上的局部危险点提供了一种方法。该模型针对弹塑性应力应变曲线计算误差小于5%,而针对蠕变曲线的模拟精度则处于材料蠕变变形固有属性分散范围内。借助于线性损伤累积寿命理论,分析得到了某涡轮叶片尾缘孔局部考虑了应力松弛的蠕变-疲劳寿命,从而为叶片寿命评价提供了更为合理、工程化应用更好的方法。      

基于NFTET的高超声速飞行器再入容错制导

针对以X-33为对象的三自由度高超声速飞行器,采用相邻可行轨迹存在定理(NFTET)设计了容错制导律以解决再入段执行器发生故障的轨迹重构问题。在标称情况下采用预测校正算法生成满足再入过程约束和终端约束要求的再入轨迹;当执行器发生故障时,飞行器气动参数、结构和舵面力矩都可能发生不可预测的变化,原先的轨迹不再满足制导要求,因此需要设计新型容错制导律。针对实际再入制导模型,基于NFTET设计容错制导算法对轨迹进行重构,得到满足故障情况下制导任务的可行轨迹。从仿真结果中可以看出,容错制导算法生成的新轨迹重新回到了约束范围之内,轨迹呈收敛趋势,使得高超声速飞行器从故障恢复到正常飞行状态,提高了飞行器的自主容错能力。