位次加权复合评价模型的构想

在多指标体系评价方法的研究中，不同研究者根据自身数据资料、时间等有限条件，选择或主观赋权评价或客观评价，但仅仅采用一种方法进行评价，结果很难令人满意。为了解决这一问题，提出了结合国内外学术界盛行的以主观赋权来进行评价的层次分析法（AHP）和以客观赋权来进行评价的主成分分析法（PCA）两种方法，通过位次进行最终评价的加权评价模型，命名为“位次加权复合评价模型”。该模型是两种基本方法的组合，能达到优势互补的目的，全面、准确地做出评价。     

Comprehensive optimization design of aerodynamic and electromagnetic scattering characteristics of serpentine nozzle

Comprehensive optimization design of serpentine nozzle with trapezoidal outlet was studied to improve its aerodynamic and electromagnetic scattering performance. Serpentine nozzles with different center offsets and different ratios of the bases of the trapezoidal outlet were generated based on curvature control regulation. Computational Fluid Dynamics (CFD) simulations have been conducted to obtain the flow field in the nozzle, and Forward-Backward Iterative Physical Optics (FBIPO) method was applied to study the electromagnetic scattering characteristics of the nozzle. Guarantee Convergence Particle Swarm Optimization (GCPSO) algorithm based on Radial Basis Function (RBF) neural network was used to optimize the geometry of the nozzle in consideration of its aerodynamic and electromagnetic scattering characteristics. The results show that the GCPSO method based on RBF can be used to optimize the aerodynamic characteristics of the internal flow and the scattering characteristics of the cavity of the serpentine nozzle with irregular outlet. The optimized model has a higher center offset and a lower ratio of the bases of the trapezoidal outlet after optimization compared to the original model. The optimized model leads to a slight change in aerodynamic performance, with a total pressure recovery coefficient increase of 0.31% and a discharge coefficient increase of 0.41%. In addition, the Radar Cross Section (RCS) decreases also by around 83.33% and the overall performance is significantly improved, with a decrease of the optimized objective function by around 38.74%.     

民用飞机材料/标准件国产化现状分析和质量控制方法

综合能力评估是确保潜在供应商能够提供质量一致和可靠的国产材料/标准件的前提,是打造我国民用飞机材料/标准件的精品工程,是实现民机产业国产化的重要一步。通过包括工程、质量适航和特种工艺三部分的综合能力评估主要是针对潜在供应商提供的材料/标准件的产品,在其通过产品合格鉴定试验后,对其工程能力、质量和适航管理能力以及特种工艺控制能力进行现场检查和评估,提出改进建议,通过持续改进使其产品列入民用飞机研制的合格产品目录(QPL,Qualified Product List)。     

基于深度神经网络的空间目标结构识别

利用空间目标雷达散射截面(Radar Cross Section, RCS)序列开展空间目标结构识别是空间态势感知的重要组成部分。文章针对 RCS序列受目标物理特性、姿态特性影响大,序列信号非平稳特征明显的问题,利用深度神经网络（Deep Neural Network,DNN）算法解决空间目标结构特征识别的问题;针对特征提取不具区分度的问题,提出利用分形分析提取RCS序列的分数维特征,并利用Fisher判决率对传统特征进行选取;介绍了DNN算法以及数据处理过程;最后,利用一组仿真测试数据对算法进行了仿真验证。分析结果表明,DNN算法在解决利用RCS序列进行目标结构识别这一问题中具有鲁棒性强、识别准确的特点。     

矩形截面高超声速进气道高焓风洞实验

对设计工作马赫数为4.5~6.5的矩形截面高超声速进气道进行了马赫数为6,5及4的高焓风洞实验研究,获得了进气道在不同反压下的性能参数及沿程静压分布.实验结果显示,设计状态下(Ma=6,α=0°),进气道的流量系数和总压恢复系数分别为0.97和0.41,增压比约为来流静压的35倍,隔离段出口马赫数不大于2.6;最大承受反压不小于来流静压的114.5倍.研究还发现,反压升高引起的激波串可停留在内压段,且不影响进气道的流量捕获;当Ma=5,α=0°时,进气道的流量系数不低于0.77,总压恢复系数在0.49~0.67之间.设计工作马赫数及攻角范围内,进气道内未发现明显的流动分离,均可正常起动工作.      

基于装配特征的组合件快速装配技术研究

提出了一种新的组合件装配设计思路:通过组合件信息模型的设计和对组合件定位信息的分析,在装配组合件过程中由程序自动生成装配基体上装配特征。实现了组合件的快速装配,并成功应用在某企业的复合材料构件工装快速设计系统中。     

国产元器件高可靠装联常见问题及其启示北大核心CSCD

针对航天高可靠、长寿命电子产品用国产元器件,通过近年元器件国产化的应用实践,从电子装联的角度,对元器件国产化过程中的常见共性问题进行了分析和总结,并浅谈了元器件国产化过程中这些问题对我们的启示及后续应注意的问题及相关建议。     

机载巡航导弹外形隐身改进的电磁散射影响

隐身技术是提高巡航导弹突防能力的重要技术手段，为分析外形隐身对巡航导弹电磁散射特性影响，建立了隐身、常规巡航导弹电磁模型，基于物理光学法和RCS减缩值，研究了外形隐身RCS曲线分布影响、频率响应特性、俯仰角响应特性。结果表明，外形隐身可大幅降低前后向散射特性，改变RCS散射波峰位置，使前后向曲线向内收敛；频率增加，前向均值和减缩值分别在-32 dBsm、25 dB左右振荡变化，其他角域RCS均值降低而减缩值增加；俯仰角变化较小时不影响散射特性，各角域RCS均值和减缩值呈振荡趋势，前向减缩值约为35 dB左右，后向俯仰角0度时最大。     

理想缺陷目标电磁散射特性提取新方法

武器装备表面理想缺陷对缺陷目标的散射特性有重要影响。从电磁场叠加理论出发,以对应实际缺陷目标和载体为基础,提出一种理想缺陷目标电磁散射提取的计算新方法,采用该方法结合暗室测试和MLFMA数值计算,研究单列、多列缝隙和台阶理想缺陷的散射特性,验证该方法的正确性和实效性。结果表明:新方法计算过程简单高效,具有与MLFMA算法一致的计算精度,可快速实现单列、多列理想缺陷目标的电磁散射特性提取;理想缺陷在镜面散射区域外影响显著,理想台阶的影响相对明显,多列理想缺陷散射具有较强的耦合性,表现为更多的散射波峰,这是各列理想电磁缺陷的叠加效果。     

物理启发的深度学习模型及其在热端部件散热中的应用

热端部件散热是众多空天设备的关键技术。表面温度分布是散热设计中用到的重要信息,常规的解析建模手段和机器学习方法均无法有效地表达此类高维信息。近年来兴起的图像深度学习算法是解决表面温度信息预测的有效手段。然而,现有的基于大数据的深度学习方法往往对于物理数据和小样本数据不适用,体现为泛化精度差、数据兼容性差、可解释性差。因此,有必要结合传热的先验知识发展物理启发的新型深度学习算法,以增强高自由度、高复杂度散热对象上的设计能力。本文基于卷积算子和有限差分求解方式的类比关系,提出了一种物理启发式的循环卷积神经网络。以横向出流的冲击冷却为例,开展了变计算域大小、变工况、变尺寸的批量数值模拟,获取了冲击冷却关键特征的小样本图像数据。进一步通过神经网络的训练,构建了多参数、大范围内有较好拟合能力的温度、传热系数、压力代理模型。研究结果表明,本文提出的物理启发神经网络模型,对于计算域大小没有限制,可以统一表达不同空间范围内获取的物理数据的共性规律。模型的各类超参设定均具有明确的物理意义,且与经典的微分方程求解理论有一定的类比关系,增强了神经网络调参的方向性。通过传热物理规律与黑箱模型的融合,本文实现了小样本多参数物理数据的共性建模。该方法可以迅速重构热端部件的高维分布信息,可服务于热端部件的快速分析设计以及优化。