泡沫碳/相变材料复合体研究进展

介绍了高导热泡沫碳/相变材料复合体应用于热管理系统的研究进展.主要阐述了泡沫碳/石蜡复合相变热管理系统、泡沫碳/硝酸锂相变复合材料、基于泡沫碳/相变复合材料一体化蒸发腔——热能贮存(VCTES)系统的热管理系统应用研究进展,并对泡沫碳/相变复合材料的应用进行了介绍.     

民机全机疲劳试验综合加速技术研究与验证

民机全机疲劳试验关系到适航取证和服役使用，为缩短疲劳试验时间，从载荷谱简化和试验过程提速两方面进行综合性加速技术研究。对细节疲劳额定值(DFR)法改进使之适用于全寿命区间后，基于改进DFR法提出了以损伤比为判断标准的载荷谱等损伤折算方法，通过小试验件验证了载荷谱简化方法的正确性，并将其应用于全机疲劳试验。载荷谱简化后各任务段的总循环次数大幅减少，采用简化谱的后机身试验损伤结果与原谱全机试验基本相同，说明了该方法适用于全机试验。在试验设计和实施阶段，提出了快速载荷处理的载荷整体平衡优化方法和缩短每循环加载时长的分段等速率加载优化方法，载荷处理结果误差均满足设计要求，优化后的平均每日起落数由48提高到90。     

改性环氧树脂的低温力学性能研究进展

近年来,随着国防、航天、大型低温工程(EAST和ITER等)和应用超导等高科技领域的迅猛发展,环氧树脂在低温下的应用愈来愈广泛.本文主要从改性环氧树脂的拉伸强度和冲击韧性两方面,对其低温下的力学性能研究进展进行论述.研究显示,柔性改性和纳米填料改性都可以提高其低温力学性能(拉伸强度和冲击韧性),相关研究工作为改性环氧树脂在低温环境下的应用提供了依据.     

航天复合材料研究进展

航天复合材料的性能与应用水平是衡量航天型号先进性与可靠性的重要标志,是支撑航天型号发展的关键材料,决定型号性能与成败.本文总结了近年来在热结构、防热、热透波、隔热以及结构复合材料领域的重要研究进展,提出极端环境服役新材料、可重复使用防隔热材料、第三代结构复合材料以及复合材料构件低成本快速制造等是航天复合材料未来发展的重...     

基于翼内双滑块的变质心飞行器设计、分析与飞行试验

变质心控制方式在极端条件飞行控制中具有突出的气动性能和操纵特性。提出了一种面向固定翼飞行器滚转通道变质心控制的新型双滑块控制策略，设计了可集成机翼翼梁内部的滑块运动控制装置，具有集成度高、机内空间利用率高、稳定性好等潜在优势。为此，设计了基于柔性齿条传动、齿轮减速器和大扭矩舵机的驱动装置，以及磁吸式的模块化滑块设计方案。通过飞行器操纵特性和气动特性分析，结果表明利用变质心操纵替代传统副翼，能够消除、降低传统舵面偏转引起的气动阻力。最后，制作了变质心飞行器原理样机，并完成了飞行试验，验证了方案的有效性和工程可实现性。     

基于深度强化学习的空海联合作战智能决策新方法（英文）

针对空海联合作战中多装备复杂作战场景不确定性高的难点，提出了一种基于深度强化学习的空海联合作战智能决策新方法。为了统一表示复杂网络的输入、输出及其对应关系，提出了综合利用感知机、深度长短时记忆网络及actor-critic结构的方法。针对策略网络学习过程中的不稳定性及近似策略优化算法的缺陷，提出了改进的近似策略优化算法；针对策略网络自学习过程中对手策略的易变性，提出了基于模型性能和模型多样性的新策略以对于基线策略模型进行选择。实验结果表明，该方法在空海联合作战决策中是有效和稳定的。在第四届中国指控学会兵棋推演专项赛中，本方法在百余轮与规则决策算法及人类的对抗中胜率达到97%，较规则决策算法提升20%左右。     

大开孔结构变角度纤维铺层优化设计研究

变角度纤维铺层能有效地增强结构刚度、减小应力集中，在很多领域得到广泛应用。本文对比了分区域设计直纤维铺层和变角度纤维铺层零件结构的优缺点，基于Patran的PCL语言开发出了纤维轨迹主应力法优化程序，以某飞机襟副翼复合材料层压板树脂传递模塑成形（RTM）支臂为例进行了纤维轨迹优化设计，分析了不同变角度纤维铺层数目和迭代次数对设计结果的影响，并和传统的分区域设计直纤维铺层模型进行了对比，得出了变角度纤维铺层能明显改善模型应变和位移的结论，且通过承载能力试验分析对比了分区域设计直纤维铺层和最外两层更换为变角度纤维铺层的RTM支臂的试验结果，得出了变角度纤维铺层能提高结构孔边强度和整体刚度的结论，验证了变角度纤维铺层的可行性及其优点。大开孔结构变角度纤维铺层优化设计对大开孔复合材料结构设计具有重要意义。     

基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

针对飞机起落架液压系统故障诊断精度低，深层故障特征提取困难的问题，提出了一种基于双路特征融合卷积神经网络（TSFFCNN）与粒子群优化支持向量机（PSO-SVM）结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入，采用一维卷积神经网络（1DCNN）与二维卷积神经网络（2DCNN）并行多通道网络结构自适应提取深层特征信息，并在融合层将深层特征信息融合，通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果，基于AMESim搭建了典型飞机起落架液压系统仿真模型，构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明，所提故障诊断算法精度能达到99.37%，能够有效实现起落架液压系统故障诊断；与其他智能算法对比，基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性，诊断精度更高。