低能自由空气电离室优化设计

借助于空气比释动能的基本定义和概念以及空气比释动能绝对测量的理论方法，分析了自由空气电离室可以作为空气比释动能绝对测量方法的原理和条件。通过平板型与圆柱型自由空气电离室的优劣比较，选择平板型作为研究对象，详细介绍了经典的平板型自由空气电离室，并通过理论分析计算以及模拟计算的方法，优化设计包括：光阑半径、空气衰减长度、极间距等低能自由空气电离室的关键几何尺寸，以最小化空气比释动能测量时产生的总不确定度。     

氡活度的绝对测量方法

为了准确测量氡活度,国内外研发了多种氡活度测量方法。传统的测量方法如电离室测氡法与闪烁室测氡法等都是氡活度相对测量方法,具有不确定度较高,定值溯源依赖于镭标准物质的特点。本文介绍了近年来氡活度的绝对测量方法,包括冷凝小立体角绝对测量法、多电极正比计数管绝对测量法以及小闪烁室绝对测量法。通过对其原理和实验装置的调研和分析,比较归纳了各种绝对测量方法的特点。     

轴段可调节式双转子结构动力特性模拟试验台设计与优化

为了解航空发动机双转子的动力学特性，搭建了轴段可调节式双转子结构动力特性模拟试验台，其主要包括高速电机、 低压转子、高压转子、模拟盘、支架、齿轮箱、基座等。采用有限元法和变换哈默斯利算法相结合的联合仿真方法，对试验台进行了 临界转速的计算及优化；计算了双转子系统的稳态不平衡响应，分析了临界转速变化对转子系统振动特性的影响。结果表明：优 化后试验台前4阶临界转速与原型机实测临界转速的误差在5%以内，试验台能较好的模拟原型机动力学特性；优化后各轴承处 最大响应幅值中的最大值明显减小，试验台具有良好的振动特性。     

飞行器末制导中的几个热点问题与挑战

随着国防科学技术的进步,新的作战需求以及各种新技术的应用给飞行器的末制导控制带来了新的问题和挑战。分析了当前的末制导作战需求和挑战,着重讨论了飞行器末制导控制研究中几个热点问题的研究进展,包括多源信息条件下的制导控制、多飞行器协同制导控制、特殊限制条件下的制导控制以及制导控制综合设计与评估问题,并且探讨了存在的问题、可能的方向和展望。     

AWGN和衰落信道下具有改进型Code-matched交织器的Turbo码

提出了一种改进型的Code-Matched交织器,它能减少低重量码的数量,从而提高mbo码的性能。这种改进型的Code-Matched交织器可以适用于多种不同生成矩阵产生的mbo码,而且不会影响Turbo码在中高信噪比处的性能。同时,在Rayleigh信道下,这种交织器能降低错误平台。     

二次曲面拟合与拟合参数不确定度分析

由离散点进行二次曲面拟合问题可归结为存在约束条件的非线性优化问题,在总结了拟合参数初值计算和优化算法的基础上,研究了点位的坐标测量误差对拟合参数和曲面轮廓度评价的影响.给出了评价二者不确定度的解析方法和Monte-Carlo模拟方法,并指出,对于实际的测量数据,只有采用Monte-Carlo模拟方法进行拟合参数和轮廓度的不确定度评价才是可靠的.仿真实验和实物测量实验表明,给出的二次曲面拟合方法和不确定度估计方法是正确的.      

耐高温阻燃新型F系列环氧树脂固化剂的性能

Ｆ系列环氧树脂固化剂可使通用环氧树脂耐３００￣５００℃的高温,瞬时可达１００℃以上,使环氧树脂的耐烧蚀性能提高一个数量级,同时具有高氧指数、低烟、低毒的高阻燃性能,所制成的涂料在高温下转化为碳基涂层,４００℃、１ｈ仍光亮致密,与金属仍有良好的附着力,从而得到耐高温,耐酸,耐碱的防腐涂层。文中例举了在航天,航空,电器,复合材料,防腐等方面的应用实例。     

低能自由空气电离室优化设计

借助于空气比释动能的基本定义和概念以及空气比释动能绝对测量的理论方法,分析了自由空气电离室可以作为空气比释动能绝对测量方法的原理和条件。通过平板型与圆柱型自由空气电离室的优劣比较,选择平板型作为研究对象,详细介绍了经典的平板型自由空气电离室,并通过理论分析计算以及模拟计算的方法,优化设计包括:光阑半径、空气衰减长度、极间距等低能自由空气电离室的关键几何尺寸,以最小化空气比释动能测量时产生的总不确定度。     

基于半监督迁移学习的轴承故障诊断方法

针对航空发动机轴承故障诊断过程中预测精度不足以及过拟合的问题,提出基于迁移学习的半监督集成学习器（SSIT）用以发动机轴承故障预测。首先,训练改进的基于迁移学习的极限学习机（TELM）以及基于迁移学习的支持向量机（TSVM）,分别迁移不同目标空间的高相似度样本加入到源样本空间进行训练。然后,与对应的基学习器集成同簇学习器来识别未标记样本,构成半监督学习器不断调整初始基学习器权重,并继续集成半监督基学习器的识别结果到SSIT中。通过此学习机识别提取特征后的,用以故障识别。实验结果清楚地表明:此种方法可以有效降低迁移学习中的负迁移效果,提升迁移精度10%左右,降低机器学习中的过拟合效果,提高半监督学习稳定性,与现有的预测方法相比可以提高精度9%以上。