MES在空空导弹研究院的应用

生产信息化管理是中国空空导弹研究院(以下简称空导院)生产管理的重点内容,空导院从1997年开始实施MRPII系统,成功地实施了生产计划管理、物料管理等核心模块,改善了生产和物资库存的管理,提高了生产效率和经济效益.但随着空导院科研生产一体化的不断深入,原有的MRPII系统已经不能满足车间生产的需要.为了满足产品快速开发和批产的需要,实施精益制造,促进生产管理信息化和流程重组,使空导院在新的经济环境下,能够以低成本高效地、协同地参与市场竞争,院领导决定在原有MRPII的基础上,实施车间MES管理.     

基于热响应的卫星推进剂剩余量测量方法研究

介绍了基于热响应法的卫星推进剂剩余量在轨测量方法的原理,给出了国外在Telstar 11,LM 3000,BSS601平台日本通信卫星,Turksat 1C卫星的应用情况。给出了将该方法用于国内卫星的设想,并归纳了推进剂在轨空间分布高精度仿真、带液条件下贮箱内复杂传热过程高精度热仿真、贮箱与整星耦合热分析仿真等关键技术。     

简单用户微编码器件适航要求研究

用户微编码器件的便捷性与高效性,使其在机载设备研制中被广泛应用。由于具有高度集成性和复杂性,难以通过传统方法对开发过程中产生的设计错误进行管理和评估,其使用会对飞机的安全性造成影响,因此通常采用研制保证方法表明用户微编码器件的适航符合性。但在实际项目中,用户微编码器件实现的功能可能较为简单,采用充分的确定性测试和分析相结合的方法足以表明其功能确定性,确保其在机载设备中的使用安全性。通过对现有适航咨询通告、工业标准及实践指南等资料的分析和研究,旨在梳理出简单用户微编码器件通过充分的确定性测试和分析相结合的方法表明适航符合性需满足的相关要求和关键要素,为机载设备制造商完成简单用户微编码器件的适航验证提供支持和帮助。     

辅助加热温度对铝合金厚板FSW焊缝成形的影响

对铝合金厚板搅拌摩擦焊（FSW）而言,焊缝底部金属温度低、流动能力差是导致焊缝成形困难的主要原因。为此,本研究采用辅助加热的方式对待焊母材底部进行预热,分析辅助加热温度对厚板搅拌摩擦焊焊缝成形的影响。结果表明,随着辅助加热温度从20℃升高至80℃时,焊缝成形质量先变好后变差,宏观表现为焊缝内部焊核区宽度、高度及面积呈现先增大后减小的趋势,而疏松区面积呈现先减小后增大的趋势。其中,当辅助加热温度为40℃时,焊缝成形质量最好,焊核区尺寸最大,疏松区消失;而当辅助加热温度升高至80℃时,焊缝成形质量最差,疏松区面积最大。研究认为,其主要原因是添加合适的辅助加热温度可显著提高焊核区塑性金属的峰值温度及高温停留时间,塑性金属流动能力明显提高,焊缝成形质量得到极大改善。焊核区塑性金属的迁移方式由沿搅拌针表面向焊缝上部高温区迁移向挤压焊核区周边冷金属横向迁移转变。但是,当辅助加热温度太高时,焊核区塑性金属迁移方式开始转变为原始的沿搅拌针表面向焊缝上部高温区迁移,且此迁移程度有明显增大的趋势,导致焊缝内部疏松区缺陷再次出现。     

基于ICA和小波脊的多辐射源调制类型识别

针对电子侦察中多个雷达辐射源信号混叠时的调制类型识别问题,利用独立分量分析将多个雷达辐射源信号进行分离,再对分离后的辐射源信号采用小波变换,提取信号时频分布的脊线,最后计算脊线特征值,通过脊线特征值来判断辐射源调制类型.仿真实验验证了该方法的正确性和有效性.     

国外巡航导弹用材料及工艺

简要介绍了巡航导弹的结构和技术数据,美国战斧巡航导弹用材料及工艺,以及目前巡航导弹所用材料及工艺的改进。     

基于GASVM-HMM算法的飞行员操控意图识别

针对传统意图识别方法的识别单一性和实时性差的问题,提出基于GASVM-HMM算法的飞行员操控意图识别方法。20名被试者在A320飞行模拟器上进行测试,采集飞行过程中飞行员与显示屏和控制装置的交互动作数据,并建立操控意图数据集。方法将GA与SVM算法结合进行优化,提高识别的精度,并将GASVM层的输出转化为概率作为HMM层的输入值,进一步提高整体意图识别模型的准确性。与传统的算法进行对比后发现,GASVM-HMM算法的准确率较高,达到92.92%。最后进行实时验证,证明了算法的有效性。     

前缘尖化对飞翼布局飞行器气动隐身性能影响

飞翼布局飞行器内翼段前缘尖化可降低雷达回波的镜面反射强度,进而提升隐身性能.针对前缘尖化可能带来的气动问题,本文对一种典型飞翼布局飞行器的流场和电磁散射特性开展了模拟仿真.以RANS方程作为控制方程,采用k?ωSST湍流模型求解,对全机气动性能进行了分析,并结合流场特征作出解释.采用多层快速多极子算法,在典型入射频率下...     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。