行星齿轮传动动力学特性研究进展

行星齿轮传动由于结构紧凑、承载能力强等优点而广泛应用在各个工业领域。振动和噪声是行星齿轮传动的主要问题。本文从动力学模型、自由振动、响应求解、均载及振动抑制等几个方面对国内外行星齿轮传动系统弹性动力学及相关研究进行了综述。介绍了行星齿轮传动弹性动力学研究中常用的纯扭转振动模型、横向—回转耦合振动模型以及有限元模型,对三种常用的响应求解方法进行了分析和评述。最后指出了需要进一步研究的几个问题。      

固体火箭发动机绝热层缺陷对药柱燃面影响的数值模拟

发动机绝热层人工脱粘层局部产生缺陷时,经柱燃面曲线偏离设计曲线,导致发动机２内弹道性能也偏离设计为了模拟这种缺陷对药柱燃面的影响,扩展了原通用坐标程序地计算范围,并又新增加了一些基本图形的算法。改进后的算法可适用于绝热层有或没有缺陷的药柱燃面计算。针对绝热层缺陷建立了三种燃烧模型,计算分析了缺陷类型、结构与位置尺寸对药柱燃面的影响,为分析绝热层有缺陷的发动机性能的基础。     

固体火箭发动机产品化工作探究

固体火箭发动机以其结构简单、维护简便、机动性强、可靠性高等特点,在导弹、运载火箭和航天飞机以及太空站技术中被广泛采用,但目前存在产品研制周期长、可靠性要求高、成本控制难等问题。以产品化思路,从发动机原材料级、零件级、部组件级等方面开展产品化工作可实现资源的最优化配比。固体火箭发动机安全机构、点火装置等产品化应用的典型实例表明,深入开展产品化工作,是缩短装备研制周期、降低研制成本、提高产品可靠性的有效手段。     

基于Authorware的“材料分析测试技术”多媒体课件设计制作研究

从"材料分析测试技术"对材料类专业学生重要性出发,结合"材料分析测试技术"课程特点,介绍了多媒体课件设计构思。采用主框架软件Authorware、动画软件Flash MX、图形软件Photoshop、音频软件Premiere等制作了该课程的多媒体课件,并论述了相关制作技术。将多媒体课件运用于教学中,特别采用了模拟实验环境的动画操作演示形式和视频演示形式,取得了良好的教学效果。     

叶片掠对跨声转子进口流动的影响

选择NASA Rotor 37跨声转子作为原型叶片,在叶片90%展高以上通过移动叶型基元的弦向位置构造叶尖掠特征,共有包括原型转子、2个前掠转子和2个后掠转子等5种不同叶型几何的算例.利用数值模拟软件计算得到5种转子的总体特性并获得三维流场.结果表明:叶尖前掠减小了叶片尖部进口的平均攻角,而后掠则使攻角增大.引入周向平均无黏动量方程,计算出由周向平均所产生的周向不均匀源项及径向平衡方程的各项数值,并对比其在5个转子进口的分布规律及其与攻角变化之间的关联.通过改变进口的流动平衡,叶尖前掠使轴向速度增大、周向速度减小,进而使得攻角减小;后掠则在叶尖起到了相反的效应.采用这种准三维方法研究了叶片掠对叶片进口流场的影响.      

数控加工中复杂轮廓环的等距干涉处理

复杂轮廓环的等距算法是ＣＡＤ／ＣＡＭ系统中重要的基本算法之一，该算法的完善与否决定着ＣＡＤ／ＣＡＭ系统的基本性能，许多研究人员针对这个问题提出了一若干有益的解决方案，但这睦算法的结果并不是特别理想，本文针对数控加工中复杂轮廓环的等距问题，提出了一种有效的环原始等距，原始等距后的环的自交处理算法，其基本思想是对复杂累廓环经原始等距的过渡后形成的复杂网状环进行拓扑关系的规整和判断，从而生成正确的等距结     

氧化物陶瓷基复合材料研究进展

从基体和纤维的选择、制备工艺等几方面综述了国内外氧化物陶瓷基复合材料的研究现状，着重阐述了溶胶-凝胶法、化学气相渗透法、反应熔体浸渗法、先驱体浸渗热解法、电泳沉积法、浆料浸渗热压和浆料浸渗结合氧化物先驱体浸渗热解法等氧化物基复合材料制备工艺原理及其优缺点。并提出了发展氧化物陶瓷基复合材料应解决的关键问题。     

用IR—NMR表征聚碳硅烷的结构和支化程度

本文通过红外光谱、核磁共振和化学分析,表征出SiC纤维的先驱体——聚碳硅烷分子的结构基团及其含量,从而计算出聚碳硅烷分子的支化程度。     

基于代价敏感剪枝卷积神经网络的弹道目标识别

为降低弹道目标整体误识别代价，提出了基于代价敏感剪枝（CSP）一维卷积神经网络（1D-CNN）的弹道目标高分辨距离像识别方法。首先，基于彩票假设提出了同时以降低模型复杂度和误识别代价为目标的统一框架；然后，在此基础上，提出了基于人工蜂群算法的网络结构无梯度优化方法，以网络结构搜索的方式自动地寻找1D-CNN的代价敏感子网络，即代价敏感剪枝；最后，为了使代价敏感子网络在微调过程中仍以最小化误识别代价为目标，提出了一种代价敏感交叉熵（CSCE）损失函数对训练进行优化，使代价敏感子网络侧重对误识别代价较高的类别正确分类来进一步降低整体误识别代价。实验结果表明:结合CSP和CSCE损失函数的1D-CNN能在保持较高的识别正确率的前提下，相比传统的1D-CNN具有更低的整体误识别代价，且降低了50%以上的计算复杂度。