美国洛马公司的研发源动力-创新中心

美国洛马公司的总部级创新中心是一个来自政府、工业界、学术界系统专家共同验证军事作战新计划、新概念、新模式的核心聚集地，拥有独具特色的配套资源，致力于通过多方合作实现需求同步输入，用“横向一体化”方式实现联合开发，从而加速论证与预研进程，是公司项目或型号研发的源动力。本文对该中心的职能、作用以及内部运行情况进行了深入透视，对我国军工研发理念具有积极的参考价值。     

可重复启动低温上面级的推进剂管理装置研究

回顾了低温上面级推进剂管理技术的国内外研究现状,分析了上面级微重力环境中低温推进剂管理涉及的液体蓄留、气液分离和局部热控等关键技术。开展了液氧贮箱推进剂管理装置的方案设计,并试验验证了可填充蓄液器的填充和下层板网的指定路径排气等关键功能,确认了方案的可行性。     

敏捷数字电离层测高仪系统研制及初步观测

在小型天线和低发射功率条件下，保证电离层测高仪观测数据质量和提高观测速度一直是电离层垂测的技术难点.针对这一问题，基于新近发展的高速数字芯片和射频器件，采用窄带跟踪滤波、脉冲压缩、编码复用和天线均衡匹配等技术，设计和研制一种敏捷数字电离层测高仪.该系统采用数米高的小型收发天线和便携式主机系统，配置任意频率扫描方式频高图、高分辨率多普勒频高图和斜向探测等多种工作模式，具有可流动观测布站、系统参数灵活捷变及适合快速电离层扰动探测等能力.敏捷数字电离层测高仪为组网观测获得大范围电离层时空变化和电离层快速扰动及传播提供了一种有效的探测手段.      

空间引力波探测微牛电推进寿命评估研究现状

阐述了空间引力波探测任务中无拖曳控制技术对推进系统的特殊要求，介绍了目前主要的备选推进类型：冷气推进、离子电推进、会切型霍尔电推进、胶体电推进。针对面向空间引力波探测任务的电推进系统的寿命评估工作进行了任务分析，报告了目前微牛级电推进系统寿命试验研究现状，举例说明了目前主要应用的电推进装置寿命预测方式，包括半经验模型预测、数值模拟预测、基于数据驱动的预测以及系统层面的可靠性评估方法。对目前微牛级电推进系统的寿命评估研究现状进行总结，给出了发展思路。     

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。     

预防性检测系统设计

导弹贮存期间经历多次测试维修,检测数据繁杂,只有更好地利用其现场数据才能更合理预测导弹寿命及检测时间。结合装备失效率曲线,提出了4种导弹现场检测数据采集方案,设计了一套预防性检测系统。以方案1的数据进行算例分析,结果验证系统的正确性与实用性。     

聚心火焰与诱导激波相互作用及爆燃转爆轰过程

基于带化学反应的二维轴对称Eu ler方程,利用带限制函数的波传播算法,在两端均敞开和一端封闭一端敞开的两种边界情况下,对圆柱型燃烧室中的氢气-空气预混气的聚心燃烧进行了数值模拟,探讨了聚心火焰引发爆轰过程中的波系结构以及火焰的变形。数值结果表明,在两端均敞开的情况下,燃烧诱导的激波在轴心、火焰和壁面之间来回反射,使火焰失稳,加速了火焰的燃烧,但没有转变成爆轰。而在一端封闭的情况下,封闭端反射产生的激波,不断穿越火焰,使火焰严重失稳,加剧了燃烧速度,最终导致爆轰的形成。稳定爆轰阵面的参数与CJ理论计算的结果进行了对比,两者符合的较好。同时,火焰在与激波的作用过程中,形状扭曲变形,对于两端敞开的情况呈对称的扁平头部蘑菇云,而对于一端封闭的情况,则呈封闭端小敞口端大的扁平头部蘑菇云。     

涡喷发动机风车启动工况的神经网络建模

弹用涡喷的风车启动工况是复杂的非线性过程，由于此时压气机处于非设计工况（膨胀）而造成机理建模的困难。神经网络对于非线笥映射具有任意逼近能力，应用径向基函数神经网络（RBFN）对涡喷发动机风车启动阶段进行了实验建模，寻选取网络参数及训练样本，达到了很高的精度，对确定发动机可靠点火点和启动过程仿真等都有一定的价值。     

电沉积烧结薄膜高温氧化性能研究

用电沉积烧结方法在１Ｃｒ１８Ｎｉ９Ｔｉ不锈钢表面形成铬、钇氧化物薄膜，通过研究比较不同沉积条件试样氧化层的高温氧化行为，发现１Ｃｒ１８Ｎｉ９Ｔｉ表面经铬、钇氧化物改性后抗高温氧化性能得到提高。     

基于深度学习的水下条纹投影三维测量方法

水下加工制造在航空、船舶等领域发挥着重要作用,制造过程的原位在线三维检测成为水下制造质量保障的迫切需求。条纹投影轮廓术（FPP）作为经典的光学三维测量技术之一,具备无接触、快速以及高精度等优势。然而,在浑浊水体中,由于光的吸收和散射作用,相机捕获的条纹光强衰减、对比度降低、图像细节模糊、引入大量噪声,导致条纹图质量不佳。根据低质量条纹计算出的相位具有不可忽视的相位误差,造成三维测量精度下降。为减小水下吸收与散射的影响,提出了一种基于深度学习的端到端的条纹图像增强算法,运用条纹图像增强卷积神经网络（FPENet）将低对比度高噪声条纹转换为高对比度低噪声条纹后获取更准确的相位结果。FPENet针对不同浑浊度水体皆可有效提高条纹质量,降低相位误差。尤其在高浑浊度水体中,相位误差可减小50%左右,显著提升水下FPP的测量精度,对于提高FPP在复杂场景中的适用性具有重要意义。