多梁式中央翼盒下壁板压缩稳定性研究

研究多梁式翼盒加筋壁板在压缩载荷作用下的稳定性。针对端部支持、侧边支持、本身曲率以及上述因素的综合作用对加筋壁板压缩失稳临界应力的影响进行分析，对目前文献资料中关于加筋壁板压缩稳定性临界应力计算公式中端部支持系数进行适当修正，以得到适合的壁板屈曲应力。研究发现，端部夹持、侧边梁支持和蒙皮自身曲率对加筋壁板的压缩稳定性有较大影响，对于蒙皮较厚的加筋曲板（如机翼壁板），建议的等效端部支持系数为1.5~2.0     

基于盒维数的灵巧噪声干扰识别方法

灵巧噪声干扰因兼有欺骗干扰和噪声干扰的特点,已成为1种干扰新体制雷达的有效样式,干扰识别也成为电子战领域研究的热点课题.针对卷积调制、数字多时延和间歇采样转发3种灵巧噪声干扰识别问题,通过分析干扰信号的产生机理和频谱特性,提出了1种基于盒维数特征的干扰识别方法.采用支持向量机进行分类识别,仿真验证了该方法具有较高的识别...     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。     

基于改进YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。     

民用飞机金属/复合材料中央翼盒结构设计方案对比

中央翼盒与外翼及机身相连,承受和传递重要的飞机载荷。中央翼盒又是整体油箱,也是机身增压舱的气密线之一,是中机身客舱地板的支持构件,所以中央翼盒设计的好坏直接决定着整架飞机设计的成败。随着材料科学及制造能力的提升,现代民用飞机的翼盒设计也出现了不同的思路和方案。下面就以相同座位级别的不同时期的方案一飞机和方案二飞机的翼盒设计对比,来展示复合材料在飞机设计中的应用。