一种星-箭连接动态界面力的深度学习反演方法

针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。     

导管随机振动响应分析与实验验证

作为传递装置,导管在各种机械系统中有着广泛的应用。通过对导管模型进行适当的精细化与简化,得到满足工程计算要求的高效的有限元模型;基于模态分析得到导管的动力特性,并通过实验进行验证;通过大量同类型导管的模态实验,得到导管的模态阻尼比随频率变化关系,为动力响应分析提供重要数据;基于随机振动分析,得到导管的均方根应力,该结果与实验结果吻合良好,验证了整个计算流程的有效性。     

复合材料蜂窝夹芯结构修理后强度研究

对复合材料蜂窝夹芯结构受损伤之后的几种典型修理方法及修理材料、修理工艺等内容进行了试验研究。试验件分别模拟伤及单侧面板的非穿透损伤和伤及双侧面板的穿透损伤,分别采用单侧挖补、单侧加衬挖补和双面贴补法进行修理,然后进行面内单向压缩试验。给出了复合材料蜂窝夹芯结构修理前后的刚度和强度变化规律。为了同试验结果进行对比,还采用 NASTRAN软件对典型的非穿透挖补修理件进行了三维有限元应力分析,计算结果与试验结果吻合较好。