固体发动机低易损性评估研究进展

为研究固体推进剂低易损性,系统调研了国内外固体发动机低易损性研究进展,对比研究了试验方法、试验装置、试验判据等区别和联系,分析了不同因素对固体发动机低易损性响应程度的影响,结合国内固体发动机现状,提出了固体发动机低易损性试验方法和试验程序,补充完善了响应程度等级,可为低易损性固体发动机的设计和研制提供参考。     

某型间冷燃气轮机热力计算方法研究

为提高航改燃气轮机的性能,以现有的简单循环的某型燃气轮机为基础开展了间冷循环研究:采用牛顿迭代法和循环迭代算法,分别对以该燃气轮机核心机为基础发展的间冷循环燃气轮机进行了热力计算和比较,并进行了该间冷循环燃气轮机的设计点方案论证。     

卫星导航系统功率增强对接收信号质量的影响分析

GPS现代化计划在L1和L2两个频点上增加具有点波束增强功能的M码导航信号. 以GPS L1 M码信号为例, 从频谱重叠、接收信号等效载噪比两方面分析GPS L1 M码信号功率增强对其他导航信号质量的影响. 分析结果表明, GPS L1 M码信 号增强幅度在20dB以内时, 可以明显提升增强信号的抗干扰性能, 引起其他信号等效载噪比恶化量小于2dB; 信号增强幅度超过20dB后, 将导致其他信号质量迅速下降, 功率增强信号等效载噪比达到某一极值后将不再增加.      

激光选区熔化增材制造缺陷智能监测与过程控制综述

激光选区熔化（SLM）技术被认为是最有应用前景的增材制造技术之一,已应用于航空航天、医疗器械等领域。然而,如何确保构件质量的可靠性和制造的可重复性是SLM面临的最大挑战,已被认为是限制SLM及其他金属增材制造技术发展和工业应用的最大壁垒。其中,主要原因是SLM过程中会产生难以控制的缺陷。因此,对SLM进行过程监测和实时反馈控制是解决这一挑战的重要研究方向,也已成为学术界和工业界的研究热点之一。通过对近十年该领域的文献调研,综述了金属激光增材制造中常见的冶金缺陷及其产生机理,对金属增材制造过程产生的信号及其监测手段,如声信号、光信号及热信号等进行了详细描述;总结了信号数据的处理方法,包括传统的统计处理方法和新兴的基于机器学习的智能监测方法;随后,综述了金属增材制造过程的质量控制方法,包括非闭环控制和闭环控制,并对全文进行了总结,展望了未来SLM智能监测和控制领域值得深入的研究方向。     

薄膜硬度计算方法

为了将薄膜本征硬度从所测复合硬度中提取出来,目前有很多计算或描述的模型和方程。本文介绍了目前提出的计算薄膜硬度的方法和模型,对各方法和模型进行了分析比较,并对其未来发展方向进行了展望。     

基于Simulink 的燃气轮机动态仿真模型

采用面向对象的模块化建模方法,在Matlab/Simulink软件环境中,开发了燃气轮机动态无迭代仿真模型。研究结果表明,这种考虑容积惯性的仿真模型能较好地反映系统的动态特性,具有较高的精度和实时性,适用于对燃气轮机加速、减速以及其它大扰动等过渡工况的性能仿真。     

基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。      

复合材料在新技术革命中的作用

一、复合材料是新技术革命中所需的重要材料之一材料是人类进行生产、改善生活及进行社会活动的物质基础。重要的新材料的发明及推广应用,可促进技术进步和社会生产力的发展。历史上的石器、铜器、铁器时代是以材料名称作为划分人类文明史阶段的标志。近代一切工业上的新发展和技术上的新成就均与新型材料的开发和应用有关。本世纪初,制造飞机用的材料是木料、帆布、金属丝和钢索,而现代超音速喷气飞机则需使用铝合金、钛合金等材料。目前,世界上正热烈讨论的新技术革命中的“十大技术”或“三大支柱”,均将材料     

一种雷达测试中通道误差自适应补偿技术

文章针对多模式、多带宽脉宽组合的雷达系统调试测试时通道误差提取与补偿效率低的问题,提出了一种通道误差随参数变化的自适应补偿技术。该方法可在通道误差模型的基础上,根据各工作模式所设定的带宽、脉宽组合自适应生成幅相误差补偿曲线,并以回波模拟器通道误差自适应补偿为例给出了误差模型获取与自动生成的具体步骤。通过某雷达系统测试过程中的试验验证,所提出的方法幅度误差提取结果相比逐次提取结果偏差小于0.02dB,相位误差提取偏差小于0.2度,满足通道误差补偿的需求,不仅适用雷达系统调试测试,还可应用于其他通道特性稳定系统的通道误差补偿,避免繁杂的手动操作,提高测试效率。     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。