间隙流触发压气机内部流动失稳机制及周向槽扩稳机理

利用高频响动态压力传感器对某低速轴流压气机转子的失速先兆和顶部流场进行了详细的测试,探明该压气机内部存在与叶顶间隙泄漏流相关的突发型失速先兆,对压气机转子内部流场进行了单通道定常和非定常数值模拟,详细分析了压气机内部流动失稳过程中顶部流场结构的变化,揭示顶部间隙泄漏流触发轴流压气机内部流动失稳机理.在此基础上,利用周向槽处理机匣结构对顶部间隙泄漏流进行控制,并探讨了周向槽处理机匣结构提高压气机稳定工作裕度机理.      

飞机结构烧伤后的检查与修理

以某型飞机结构烧伤的修理为例,阐述了铝合金材料在不同受火温度下各项性能的变化、烧伤区域的划分、具体的检测方法,以及飞机结构烧伤后的修理措施。     

一种发动机转子叶片简易排序的新方法

在枚举法和合成叶片的思想基础上,本文提出了一种新的适合于工程实践的叶片排列方法——等分-枚举法。并通过实际排序算例的计算,验证了新方法的可行性。     

基于改进AdaBoost.M2算法的自动调制识别方法

针对同族调制类型通信信号识别难度大、深度学习模型普遍存在泛化能力弱的问题，基于经典AdaBoost.M2算法，提出改进样本权重的AdaBoost.M2算法，用于解决大样本情况下学习率与加权后样本数据难以相适应的问题。改进后的新样本权重确保训练样本数据的数量级在加权后不变，并使算法更迅速地关注到难分类样本，提高了弱分类器综合性能，降低了加权投票模型中弱分类器重要性之间的差异。针对部分样本的统计特性易淹没于噪声中造成难分类问题，提出随机特征裁剪方法，使算法避免过度关注异常特征，降低了极难分类样本对AdaBoost.M2算法性能的负面影响，提升了算法的泛化能力，并以低信噪比数据进行实验验证。针对调制类型同族信号难分类的问题，选取同族调制类型的通信信号开展模型训练和测试。实验结果表明：相比于单一卷积长短时记忆全连接深度网络（CLDNN）算法，改进AdaBoost.M2算法对低信噪比PSK族类和QAM族类通信信号的测试集准确率分别提高了8.5%和11.25%，相比于直接集成CLDNN的经典AdaBoost.M2算法，测试集准确率分别提高了8.25%和6.5%。     

基于调制卷积神经网络的空地数据链信道估计

针对复杂环境下空地数据链正交频分复用(OFDM)系统信道估计精度不足的问题,提出了一种基于调制卷积神经网络(MCNN)和双向长短时记忆网络(BiLSTM)结合的信道估计算法。利用最小二乘算法(LS)提取初始信道状态信息(CSI);利用MCNN网络提取初始CSI的深度特征,并对网络模型进行压缩;利用BiLSTM网络对最终CSI进行预测,实现信道估计。利用构建的空地信道模型生成信道系数数据集,实现神经网络模型的训练与测试。仿真结果表明:与传统算法和现有深度学习方法相比,所提出的信道估计算法具有更小的估计误差,高信噪比条件下的系统误码率(BER)性能提升接近一个数量级;由于引入了调制滤波器技术,随着神经网络层数增加,网络模型参数量大幅减少。      

基于区域的GLRT车辆目标检测方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究。提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与图像分割技术相结合。首先利用普通图像常用的分割聚类方法从SAR图像场景中粗略地分离出陆地杂波区域和目标潜在区域。然后根据分割结果,分别对两区域数据建立合理的统计模型。最后在背景和目标统计特性都已知的情况下,采用GLRT目标检测方法对目标潜在区域的像素点进行逐一检测,获得更为精确的检测结果。对实际SAR数据处理的结果表明,该方法能有效地从陆地场景中检测出地面车辆目标,且具备一定的精确性和快速性。     

可用于红外隐身的纳米石墨薄膜热辐射调制器的研究

碳材料以重量轻、比表面积大、机械强度高、导电性好等特性在隐身技术领域有巨大的应用潜力。本文基于化学气相沉积方法，通过优化生长温度、降温速率和氢气流量制备出厚度为500～700nm、表面褶皱且具有高结晶度的石墨薄膜。进一步通过构建夹层结构的中红外热辐射调制器，研究了离子插入对纳米石墨薄膜红外热辐射性能的影响，发现在0～4V电压调控范围，通过电控制离子液体插入，石墨薄膜的红外发射率可以从0.38降低到0.06，且红外发射率调谐性能可逆。这种纳米石墨薄膜可以作为一种新型的智能热表面材料，用于复杂背景下的动态热伪装或红外隐身，同时其发射率可动态调谐的性能使其在辐射冷却、个人热管理和红外通信等方面也有巨大的潜在应用价值。