内装式空射运载火箭重力出舱机箭耦合动力学分析

研究了以运输机为平台的内装式运载火箭空射过程载机和火箭的耦合动力学建模。建模针对两个阶段：第一阶段，火箭固定于载机机舱内，两者构成一个整体，按照普通刚体的力学方法处理；第二阶段，火箭解锁后，沿着舱内的发射筒向外滑行，载机和火箭形成两刚体相互作用的耦合系统，基于牛顿-欧拉法建立系统动力学模型。载机在空射火箭过程中，油门和升降舵满偏，在加速前飞的同时拉大姿态俯仰角，火箭在自身重力分量和惯性力的作用下，沿着机舱内的发射筒加速向外滑行，直至与载机分离。数值仿真分析了空射过程载机的重要力学参数的变化过程，验证了载机操控策略的可行性和安全性，可为未来中国空射运载火箭技术设计提供数据参考。     

发射扰动与初始弹道耦合模型研究

针对火箭、导弹发射扰动与初始弹道互相耦合引起的弹道散布问题,提出发射扰动与弹道解算相耦合的计算分析模型。该模型以多体系统动力学为基础,建立能够模拟弹架相互作用和弹体初始扰动的发射动力学模型,并将弹体受到的气动载荷转化到弹体坐标系下进行刚体动力学计算以获得弹道参数。通过滚转弹应用实例分析表明,采用此模型能够有效模拟发射扰动与初始弹道相互耦合状态;弹架间隙扰动与气动载荷作用都会对弹体在飞行时的姿态角及飞行位置产生较大影响。当存在1 mm的弹架间隙且有气动载荷作用的影响下,与无弹架间隙和气动载荷的作用影响的结果对比发现,存在弹架间隙扰动的影响会使得弹体在飞行过程中的俯仰角和弹道倾角的幅值范围减小4°左右,也使得弹体在飞行过程中的Y向位移量在1.5 s时刻减小6 m左右;存在气动载荷作用的影响,会使得弹体在0.5 s撤去推力后的姿态角成波动式变化,滚转弹稳定飞行,也会使得弹体Y向位移量在撤去推力后持续的平稳增加。     

基于工程教育专业认证背景下地方特色院校“金课”建设的研究与探索

"金课"作为一项新提出不久的概念,许多重点院校和地方特色院校已经着手打造了一部分精品课程,主要是一些开放性课程和文法类课程,原因是这一类课程思维发散,教学手段多样,可以运用现代化信息技术手段采取线上线下教学模式。但是教育部推出的"金课"建设不单单只是针对于这些类课程,对于工科专业的课程建设,也需要打造"金课",尤其是以工程教育专业认证的标准和理念打造地方特色院校"金课",是我们这些地方特色工科院校需要重点研究和探索的。本文的研究重点在于如何把工程教育专业认证的理念与课程建设有机融合体现工科"金课"的"四性"。     

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。      

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

MIMO窄带加宽带非高斯随机振动试验

提出了一种用于多输入多输出窄带加宽带非高斯随机振动试验方法。首先，详细分析了随机相位与非高斯随机信号偏度和峭度的关系，提出了一种可用于快速生成具有指定偏度和峭度的迭代相位调节法。其次，根据控制通道之间的耦合关系，利用各通道之间随机相位的不相关特性，实现了多通道非高斯随机信号生成的解耦。然后，将生成的非高斯随机信号作为参考输出响应，采用时域逆系统方法生成驱动信号，并利用控制算法分别对响应信号的功率谱、偏度和峭度进行控制。最后，通过三轴向振动台试验验证了本文提出的多输入多输出窄带加宽带非高斯随机振动试验方法的可行性。结果表明，控制点上加速度的功率谱被控制在了±3 dB的容差限内，满足预设的容差要求。同时，时域响应信号的峭度和偏度也满足给定的参考要求。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

多梁复合结构的动力学建模及全局解析振型分析

多梁复合结构广泛用于工程领域，其动力学特性对相关装备的工作状况有着重要影响，建立准确适用的动力学模型对后续的动力学响应参数影响规律研究有决定性作用。针对工程中常见的多梁复合结构，给出了位移场的一般表达式，利用哈密顿原理得出多梁复合结构的运动控制方程和边界条件，对其全局解析振型进行理论计算，给出了计算多梁复合结构数值振型的一般过程，基于数值分析和实验分析以L型梁和Z型梁为例利用频率相对误差、振型定性比较和MAC定量分析说明了全局解析振型的求解验证方法，利用伽辽金方法和全局解析振型给出了截断原系统得到离散系统运动方程的一般形式。提出的多梁复合结构的建模方法和全局解析振型求解验证方法，对工程中此类结构动力学响应的参数影响规律研究有重要意义。