直升机复合材料导电结构制造工艺

碳纤维复合材料的低电导率,使得直升机碳纤维复合材料结构加装的通信设备受到了影响,形成杂波,在一定程度上影响了通信设备的使用效果。为提升直升机碳纤维复合材料结构连接的导电率,以直升机复合材料尾梁为研究对象,通过提升复合材料尾梁设备接口与复合材料尾梁结构的接触性能以及复合材料尾梁自身的电导率,来大幅提升直升机碳纤维复合材料结构的导电率。经过多次验证并装机验证发现,直升机复合材料尾梁导电材料需连续,导电结构长度与电阻具有线性关系且可以通过对设备接口进行预处理的方式提升直升机复合材料尾梁的电导率。具体操作:(1)在导电方向上应连续铺放铜网,以保证导电结构的连续性;(2)在与其部位的成部件导电连接时,用于连接的铜片需要进行预处理,再与铜网进行锡焊连接,可以获得效果稳定的导电界面;(3)导电效果与导电通路的长度和预处理质量相关,基本属于线性关系。     

光纤光栅传感器与机械结构预处理胶接方法

结构应力应变高精度测量对于实现直升机动静态强度监测与评估具有至关重要的意义。由于光纤光栅传感器具有柔韧性好、芯径细、抗电磁干扰能力强以及便于实现分布式监测等显著优点,使得其在航空航天器结构强度监测领域受到广泛重视。为提升直升机应变监测精度与灵敏度,本文研究了光纤光栅传感器应变感知原理和精度影响因素,构建了基于光纤光栅传感器的板结构应变监测系统。在此基础上,提出剥离光栅栅区涂覆层、施加预应力及其双层胶接等预处理集成方法,实现对板结构光纤光栅传感器应变测量精度的有效提升。     

黑盒预处理功能可测试性的研究

通过对黑盒预处理功能可测试性的数学建模和理论证明,总结出可测试性黑盒预处理功能的判定步骤和测试方法,并通过一个实例进行详述。     

基于一致性预处理技术的作业车间调度算法研究

为降低CSP调度算法的计算复杂度和减少搜索过程中回溯发生概率,采用一致性预处理技术来预先修剪和过滤搜索空间。仿真实验证明:两种方法的综合运用可以显著提高CSP调度算法的搜索效率,从而为CSP调度算法求解大规模作业车间调度问题提供可能。     

预处理方法在低速流场数值模拟中的应用

自20世纪70年代以来，随着高分辨率差分格式和高计算效率时间推进格式的建立和发展，可压缩流动数值模拟取得了很大进展。并广泛采用时间推进法。但是。对于低速不可压流动，采用时间推进法效果并不太好。目前对低速不可压流动的数值模拟主要有三种途径：（1）基于压力的算法，如著名的SIMPLE算法（压力偶合方程组的半隐式方法）；     

耳朵识别身份系统

打击恐怖主义首先要预防恐怖分子,生物识别技术有助于将恐怖分子从人群中识别出来.耳朵是长期保持稳定的一个生物特征,并且耳朵的独特性十分明显.介绍了耳朵识别系统的系统功能和设计思路,采用VC 6.0和SQL SERVER 2000数据库,实现耳朵图像数据采集、图像预处理、图像存储等基本功能.     

2618A铝合金超塑性变形的研究

2618A铝合金试样经三种不同预处理工艺试验后,以恒定应变速率8.34×10~(-3)S~(-1)、不同温度(350～500℃)范围拉伸时,确定了最佳预处理工艺为固溶处理、温轧和再结晶;最佳应变速率为7.67×10~(-3)S~(-1),最佳变形温度为475℃,最高延伸率为240％,其最低流动应力为3MN/m~2。通过不同应变速率下拉伸试验表明,该合金对应变速率不甚敏感。粗大的不易变形的FeNiA19相粒子是合金在超塑性变形时不能获得高延伸率的一个原因。     

激光表面处理技术在复合材料胶接维修中的应用研究

随着复合材料在飞机结构上使用量的增加,如何有效地修复复合材料在使用过程中出现的表面划伤、分层、穿孔等损伤已经成为研究的重点。胶接维修是应用最为广泛的复合材料修复技术,而其中涉及的复合材料表面处理是保证其性能的重要前提。传统复合材料表面处理技术存在维修可控性低、重复性差、纤维容易损伤等缺点,而激光表面处理技术以其绿色、环保、可控性高等优势克服了传统清除工艺中的种种弊端。本文综述了近年来激光表面处理方法、激光表面处理机理以及激光技术在复合材料胶接维修方面的应用,并对其未来的应用进行了展望。     

2024铝合金浸镍层的制备及生长过程

利用磷酸的全面腐蚀特性和氯离子的活化作用，设计了磷酸-氯化镍浸镍反应体系，通过表面电位监测及微观形貌表征对不同磷酸浓度与反应温度下的浸镍过程进行分析。结果表明:磷酸浓度是影响浸镍层表面电位及微观形貌的关键因素，当磷酸浓度为25%，反应温度为30℃时，可制得化学性质稳定、包覆性良好且晶粒尺寸均匀的浸镍层。在此反应体系下，浸镍层在形核后通过球状方式叠层生长，在反应进行600 s后得到厚度约1 μm的浸镍层，其表面电位可达到-0.51 V左右。      

基于 Stacking集成学习的飞行模拟器设备故障预判

为精准研判飞行模拟器故障问题,提升飞行模拟器故障应急处理能力,提出了 1种基于 Stacking集成学习的设备故障预判方法。首先,针对设备故障数据具有高维度和时序性的特点,采用正态分布法,对采集的原始故障数据进行缺失值和异常值处理,获取归一化数据,并基于核主成分分析法,提取数据的特征并降低数据维度;然后,构建以 CNN、RF、BP神经网络为基分类器,XGBoost为元分类器的 Stacking集成学习模型,采用交叉验证训练策略,对设备的故障类型作出预判;最后,构架典型案例。仿真结果表明,所提方法可正确有效地识别设备的多种故障状态。