铝合金有机淬火剂CL—1聚醚热处理工艺研究

飞机制造工业广泛采用铝合金叛金结构件,这类材料大多通过水中淬火和随后的时效来获得满意的使用性能.但水淬大的残余应力,导致变形和开裂.聚二乙醇,又称UconA,是目前国外用得广泛的一种有机淬火剂,这种淬火剂几乎消除了开裂,减少了变形.据波音公司资料报导,该公司用UconA淬火剂一年仅校正费用可节省几十万元.现已畅销欧亚许多国家.82年我公司根据新机研制及国外订货的要求,与西安石油化工厂共同研制了新型有机淬火剂CL—1聚醚.研制品经过全面的应用工艺试验(理化性能、机械性能、晶间腐蚀、变形试验以及试生产)取得了较满意的效果,基本上达到美国同类产品—UconA的水平,为航空及其它工业的热处理开辟了一条新途径.     

以色列加快侦察卫星的研制

为了对付 4 0 0 0ｋｍ以外的弹道导弹的威胁 ,以色列计划开发新一代侦察卫星。根据以色列的战略观点 ,侦察卫星必须提供智能数据 ,可迅速、准确地对目标进行定位。当ＵＡＶ提供目标数据时 ,航天系统就发出警告。预计新的卫星系统具有合成孔径雷达 ,Ｓｐｏｔ模式分辨率为 0 .3ｍ ,在 768ｋｍ轨道高度上 ,地面俯仰精度约 0 .9ｍ。该系统可对半径为 1610ｋｍ以内的目标进行侦察。美国和以色列空军有一个共同的愿望 ,那就是在 10ｍｉｎ内消灭目标。解决这一问题的唯一方法是将通讯、空间图像和智能数据综合起来。ＥＬＯＰ电子工业正在进行太空活…     

空间碎片防护需求与防护材料进展

1引言
　　当前,我国航天事业蓬勃发展,载人航天器、通信卫星、导航卫星、遥感卫星、深空探测器、科学卫星等各种航天器呈现快速发展态势,航天器的寿命越来越长、可靠性越来越高、稳定度越来越高。而随着空间碎片环境的日益恶劣,空间碎片已成为影响航天器长寿命、高可靠性、高稳定度的重要因素之一。2013年1月22日,俄罗斯的小型激光测距卫星(BLITS)遭到小碎片撞击,并释放出一块碎片;2013年5月24日,发射不足1个月的厄瓜多尔“飞马座”（Pegaso）卫星在印度洋上空与一枚由苏联1985年发射升空的火箭燃料箱残骸发生侧面撞击,导致太阳电池翼受损,天线无法定向,卫星围绕两根轴狂转,失去了联系;“国际空间站”供航天员出舱活动的扶手遭到多次小碎片撞击,撞击形成的锋利唇缘割破了航天员的手套,导致多次舱外活动提前终止;2002年3月16日,美法联合研制的贾森-1（Jason-1）卫星遭到小碎片撞击,导致其轨道高度明显提升和随后几小时的电流波动,并释放出两块碎片;2011年,我国某卫星遭到小碎片撞击,导致姿态瞬时跳变,并永久失去了部分发电能力。     

地球同步轨道目标物深度学习检测方法

针对欧空局SpotGEO竞赛中地球同步轨道目标物的检测问题,提出面向低精度CCD空间图像的深度学习检测方法。在图像预处理环节,分别采用高斯过程回归和模板匹配实现前景/背景分割和多帧图像配准。根据地球同步轨道物体的运动特征,采用拓扑扫描提取候选目标物。在此基础上,提出一套基于深度学习的目标物筛选方法。该方法利用卷积神经网络,依次对拓扑扫描前后候选目标物进行筛选,显著减少噪声点数量,提高检测效率。仿真结果表明,该方法达到98%的目标检测准确率,适用于存在光污染、云层遮挡等干扰的复杂环境。     

基于在线约束限制的飞行器预测校正制导

针对传统预测校正算法在再入过程中弹道性能与约束无法保障等问题,提出了一种基于倾侧角参数化的离线弹道优化与在线预测校正相结合的再入制导方法。基于平衡滑翔条件对过程约束进行分析,并证明了倾侧角剖面对射程的单调性。离线部分通过控制量参数化(CVP)方法构建控制模型,并使用序列二次规划(SQP)方法对弹道进行优化,从而大幅度提高弹道性能。在线部分利用Gauss-Newton法实时对弹道进行迭代求解,得出满足终端约束的倾侧角剖面,引导飞行器平稳、精确地飞向末端能量段并满足射程约束,Gauss-Newton法求解弹道具有收敛速度快、精度高的特点。针对高升阻比飞行器导致平衡滑翔条件难以成立以及飞行过程中的强干扰使约束超出的问题,提出了一种约束限制方法,对再入时的过程约束进行了有效的保障。仿真结果表明,本文方法对投放偏差、飞行器参数与大气模型等不确定因素具有良好的鲁棒性,对弹道性能的保障具有工程应用价值。     

民机复合材料目视检查中的眼动与疲劳检测

疲劳是导致民机复合材料结构目视检查差错的重要诱因，疲劳检测对于减少人的差错，保障飞行安全具有重要意义。对基于眼动行为的疲劳度量与检测方法进行了研究，建立了民机复合材料结构目视检查实验场景，利用Tobii眼动仪提取了正常状态和疲劳状态下的目视检查眼动数据，分析了瞳孔直径、平均注视时间、平均注视频率、平均眼跳时间、平均眼跳频率、注视热点与轨迹和扫视速度等眼动行为与疲劳的关系，进而提取了能表征疲劳的瞳孔直径、平均注视时间和扫视速度3种眼动指标，以该指标构建特征向量，利用支持向量机（SVM）方法构建了目视检查疲劳检测模型。研究发现疲劳状态下的目视检查平均注视时间更长，扫视速度更慢、瞳孔直径减小，右瞳孔减小程度更大，核函数为径向基函数和高斯函数的SVM方法对疲劳的检测效果好。研究结果表明，利用SVM方法训练由瞳孔直径、平均注视时间和扫视速度构成的眼动特征向量能有效检测目视检查中的疲劳状态。