复杂内筋铝筒段旋压变形规律和再结晶组织演变数值仿真

流动旋压是一种先进的内筋薄壁筒段整体近净成形方法。本文运用数值仿真方法研究多级筋铝合金筒段热旋压过程中材料流变规律和组织演变特性。将内变量型2219铝合金本构模型嵌入ABAQUS仿真平台建立了准确反映宏观流变和微观晶粒演变的热旋压仿真模型，完成了具有多级特征的内筋筒段旋压成形规律分析。研究表明在减薄率为50%、温度为300℃的旋压参数下，随内筋宽度增加材料由“挤压”式转变为“塌陷”式填充内筋，筋槽内材料变形量下降，筋槽内材料晶粒大小不均匀性增加；窄筋在250℃下的晶粒尺寸明显小于其在350℃下的，而宽筋在250～350℃下的晶粒尺寸较为接近，成形温度对窄筋晶粒大小有明显影响，而对较宽内筋的影响有限。     

左行运动激波主导的管内流动特性研究

为了分析左行运动激波主导的管内流动特征，本文采用非定常数值仿真方法，对亚声速进口条件下等直管道内左行运动激波传播与演化特性、左行运动激波/边界层干扰特征开展研究。研究结果表明：在出口周期性强压力脉动干扰下管内存在连续的左行运动激波，该左行运动激波传播特征具有相似性，激波强度、传播速度按幂函数规律衰减。气流经过左行运动激波后总压、总温、静压阶跃式升高，随后受膨胀波影响气流总压、总温、静压下降；左行运动激波/边界层干扰诱发形成翼型回流区，该回流区随运动激波强度衰减逐渐减小。理论与数值分析表明存在左行运动激波后速度为零和运动激波两侧总压相等的两个临界状态。波前马赫数低于临界值或左行运动激波强度高于临界值时，左行运动激波后为倒流、波后总压高于波前。     

非线性能量阱对飞轮振动抑制效果的实验研究

利用薄片金属梁作为非线性刚度元件，构建一种非线性能量阱。为了验证非线性能量阱对飞轮振动特性的抑制效果，搭建地面飞轮测试系统。分别采用力锤敲击和飞轮以恒定转速运行的方法施加不同载荷，对安装非线性能量阱前后测试系统各典型位置的振动响应进行对比研究。利用实测数据，采用傅里叶变换方法将动态响应信息分别在时间域和频率域内展开。研究表明：力锤敲击产生的冲击载荷和飞轮以恒定转速运行产生的稳态载荷均可以激发非线性能量阱定向能量传输；受非线性能量阱的影响，柔性支架设备安装面和飞轮安装面振动响应得到有效抑制。但是，由于非线性能量阱阻尼和吸振子质量较小，不同程度削弱了其振动抑制效果。     

叶片飞脱下转子动力学响应实验

为了研究大涵道比涡扇发动机叶片飞脱时动力学响应,更好地进行发动机安全性设计,根据相似理论设计了包含叶片飞脱装置的突加不平衡实验系统并进行了实验验证。研究结果表明:设计的突加不平衡实验系统,与某型验证机相似度高,代表性强,能够有效可控地进行突加不平衡实验,重复性好,机理清晰且飞脱不平衡量大,能够真实地模拟发动机叶片飞脱响应。通过实验发现,当大突加不平衡发生时,频谱出现超次谐波并且冲击系数由于挤压油膜阻尼器限幅作用并不呈现线性关系,因而在后续研究中还应注意限幅导致的碰摩问题。      

低温推进剂空间管理技术研究进展与展望

本文介绍了低温推进剂的性能优势与空间管理挑战，梳理了低温流体空间管理(CFM)技术特征及其研究现状，建议按照重力依赖型与重力无关型分类开展技术成熟度提升研究。调研了美国逾半个世纪的CFM技术搭载实验研究历程，分析了各类平台的工作特性与性能优势。基于我国航天发展现状与未来需求，探析了我国开展CFM技术攻关、飞行搭载实验的可行方案。建议在我国载人空间站规划舱内低温技术实验柜与舱外暴露平台实验模块，加速我国CFM技术向工程应用的转化。     

特征结构配置法在无人机控制系统中的应用

特征结构配置可通过分析系统的模态,得到系统特征结构与时域响应之间的关系,设计出结构简单、鲁棒性强的控制器。应用输出反馈特征结构配置设计了无人机控制律,仿真结果表明,无人机的纵向运动和横侧向运动具有较好的飞行动态性能,实现了无人机纵向通道和横侧向通道的内部解耦。     

基于特征建模的空间非合作目标姿态智能测量方法

为实现空间非合作目标姿态的测量，基于特征建模的思想，提出了一种根据目标激光点云数据进行高效处理的智能测姿态方法.首先，针对空间目标姿态测量的需求，寻找并实现能够高效表征目标姿态的点云数据特征.接着，应用神经网络的方法对目标点云姿态特征进行学习，通过建立合理的神经网络模型和训练数据，实现目标点云特征与姿态间非线性映射关系的建立.最后，利用目标点云仿真数据集，对方法的测量精度和测量实时性进行了评估.实验结果表明：利用特征建模的思想，提出并建立目标点云姿态协方差矩阵特征，实现了点云数据在表征目标姿态方面的信息高度压缩，为神经网络模型的轻量化设计和计算资源严重受限的在轨应用，提供了可行的智能化工程实现方案.     

基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。