基于队列的参数域T网格Bézier分割方法

针对T样条曲面Bézier提取中的参数域T网格的Bézier分片问题,提出了一种基于队列的参数域T网格的Bézier分片算法。该算法首先通过延伸T型参数点对参数域网格进行切分,之后通过计算每个参数点所耦合的T样条混合函数非零区域对参数域网格进一步切分。上述切分过程只需借助一个队列数组即可实现。通过实例测试,验证了本算法的有效性。     

数控车削编程系统图素工艺信息自动输入模块的研究

根据NC车削自动编程系统的需要,为高效输入图形零件信息,实现数控编程的自动化,确定了基于回转体零件的数据结构(包括几何信息和工艺信息).通过求交算法实现各图素的特征提取和输入,客户可在屏幕上点选特征图素并同时输入其对应的工艺信息,随后通过动态绑定技术利用数据库来进行数据处理和储存.不同的特征图素将产生不同类型的表,可通过打开数据库的方式使零件图形输入并重现,最终实现输出系统所需的数据结构,提高了图形输入效率,为虚拟化数控加工仿真提供技术支撑.     

变几何参数对变循环发动机过渡态性能的影响分析

为了研究变几何参数对变循环发动机(Variable Cycle Engines,VCE)过渡态性能的影响,对功率提取法(Virtual Power Extraction Method,VPEM)进行了总结与发展,并以双轴混排涡扇发动机的VPEM模型为工具,研究了尾喷管喉部面积和涡轮导向器喉部面积对双轴混排涡扇发动机过渡态性能的影响,建立了应用于双外涵VCE的VPEM模型,并以此为工具研究了高低压涡轮导向器喉部面积、尾喷管喉部面积和后可变面积涵道引射器面积对VCE过渡态性能的影响。结果表明,变几何参数对涡扇发动机和VCE过渡态性能的影响规律一致,尾喷管喉部面积和高低压涡轮导向器喉部面积增加5%带来高压转子的功率变化分别为1.9%,6%和3.5%,低压转子功率变化分别为-3%,22%和-7%,RVABI面积对过渡态性能的影响并不显著。     

一种雷达信号模糊函数特征提取与识别方法

现代雷达面向智能化、软件化、多功能与多用途方向发展,一部雷达往往具有多种工作体制与工作状态,雷达信号采用复杂的波形设计,这就使得雷达信号的特征提取与识别过程变得越来越困难。另外,现代电磁环境复杂,杂波、噪声干扰严重,给雷达的侦察工作带来更大的难度。基于此,提出将流形学习应用于雷达信号模糊函数的特征提取,并对其进行仿真与分析。结果验证了该方法的可行性。     

支持向量机在航空发动机故障诊断中的应用

提出了一种基于支持向量机的航空发动机故障诊断方法。该方法在利用恰当的工具或方法提取到发动机故障的特征信息之后,采用支持向量机对特征信息与故障模式进行关联,实现故障模式的分类。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,将其应用于某型发动机的故障诊断中,取得了较好的效果。该方法尤其对于新型发动机的故障诊断具有一定的参考价值。      

高强度中间相沥青基泡沫碳的制备及性能

以中间相沥青为原料,通过加入中间相碳微球和溶剂抽提两种方法对中间相沥青进行改性,实现了对中间相沥青基泡沫碳的微观结构的调控,对两种方法进行了对比讨论.结果表明,改性后沥青制备的泡沫碳的裂纹数量较少,长度较短,并且泡沫碳的孔径较小;加入55%中间相碳微球的沥青制备的泡沫碳的炭化(1573 K)后的压缩强度高达26.2 MPa,在2 873 K石墨化后强度达到17.7 MPa,热导率为41.4 W/(m·K).利用甲苯抽提后的沥青得到的泡沫碳在炭化(1 573 K)后强度高达30.0 MPa,在2 873 K石墨化后强度达到9 MPa,热导率达到80 W/(m·K).     

基于小波包分析的航空发动机轴承故障诊断

振动分析是进行滚动轴承状态监测与故障诊断的重要手段。当轴承某一元件表面出现局部损伤时,产生周期性的冲击脉冲力。因此,原来的平稳振动信号变成了非平稳振动信号。傅里叶变换在频域上是完全局部化的,但它不能提供任何时域的局部化特征,而窗口傅立叶变换尽管在时域和频域均具有一定的局部化特征,但其局部化却是固定不变的。针对常规方法难以准确分析非平稳信号的局限性,提出了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的实验信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可进一步应用于航空发动机主轴轴承的状态监测和故障诊断。     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

Spectral-spatial target detection based on data field modeling for hyperspectral data

Target detection is always an important application in hyperspectral image processing field. In this paper, a spectral-spatial target detection algorithm for hyperspectral data is proposed. The spatial feature and spectral feature were unified based on the data filed theory and extracted by weighted manifold embedding. The novelties of the proposed method lie in two aspects. One is the way in which the spatial features and spectral features were fused as a new feature based on the data field theory, and the other is that local information was introduced to describe the decision boundary and explore the discriminative features for target detection. The extracted features based on data field modeling and manifold embedding techniques were considered for a target detection task. Three standard hyperspectral datasets were considered in the analysis. The effectiveness of the proposed target detection algorithm based on data field theory was proved by the higher detection rates with lower False Alarm Rates (FARs) with respect to those achieved by conventional hyperspectral target detectors.     

航空滚动轴承振动特征的故障灵敏度分析与融合技术

针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析;在此基础上,将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较;最后,进行了轴承疲劳加速试验,将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计,基于标准化欧氏距离的融合值的故障灵敏度更高;其对不同类型、不同阶段的航空滚动轴承故障更加灵敏,相比于有效值更适合作为航空滚动轴承状态监测的指标。