民用飞机机翼根部连接与柔性补偿设计

民用飞机机翼根部连接区是机翼和机身载荷交换平衡的关键部位,结构强度和耐久性、结构传载效率、装配协调要求、细节处理等设计要求很高。给出了民用飞机机翼根部连接设计的难点分析、传载特性分析、根肋布置方法及其特点分析、不同根部对接方案设计对比分析;提出了一种减缓结构装配应力的柔性补偿设计方法,并通过试验结果验证了相关柔性补偿设计方法的可行性;讨论了考虑复合材料承载特性的复材机翼结构根部对接考虑要点和设计建议。     

定向耦合器在天线隔离度测试中的应用

飞机机载天线之间可能会因电磁能量互相耦合而产生电磁干扰,天线隔离度测试是验证机载天线布局设计的重要手段之一。根据定向耦合器性能参数定义,通过测量定向耦合器耦合端口和隔离端口的功率值计算出发射天线的净输入功率和接收天线的净输出功率,从而得到天线隔离度。通过机上测试,这种隔离度测试方法简便快捷、稳定可靠,试验结果准确有效。     

航炮选用分析

针对各类航炮对地攻击目标特点,通过分析比较其穿甲能力大小,选用合适的航炮。     

进气道旋流模拟及测量的实验研究

进气道出口旋流是影响进气道/发动机相容性中的一个重要因素。为在地面试验中评价进气道旋流对发动机稳定性的影响,设计了叶片式旋流发生器,并在风洞中进行了整体涡旋流、对涡旋流两种基本旋流流场的模拟,实验中利用在固定马赫数下校准的五孔探针测量了所模拟的旋流场。风洞实验结果表明,按照不同布局方式来安装叶片,可以得到不同形式的旋流场;旋流发生器叶片攻角对旋流强弱的影响较为明显;旋流的诱导速度对旋流中心位置有很大的影响。     

超低速翼型升阻特性实验研究

本文介绍了用我们设计的一种翼型升阻特性实验台来做翼型升阻特性窘验的情况。包括实验方案、设备的主要结构和实验结果分析。通过本实验，可以测得某一特定实验机翼的升力特性和阻力特性。     

导电高分子电致变色智能热控器件

采用简单的旋涂、喷涂等方法,制备了一种由可溶性聚苯胺为主体电致变色智能热控器件.该器件的基底为聚酯,固体电解质为锂盐/聚丙烯腈.通过电切换调控,该器件发射率能够在0.46-0.75内调控,且红外光谱反射率变化大于38%.研究了厚度、预掺杂酸种类、浓度等对聚苯胺活性层发射特性的影响;考察了导电高分子聚苯胺层厚度、电切换电压等因素对涂层体系发射率调控的影响.结果表明发射率的调控范围与电化学还原的深度密切相关,通过调节材料厚度、掺杂酸种类等可有效提高发射率调控范围.该导电高分子电致变色智能热控涂层在航天器热控制方面展示了良好的应用前景.     

齿轮箱系统动态特性分析及优化

为了进一步提高航空发动机传动系统的可靠性,本文采用MASTA和ANSYS软件,通过分析齿轮传递误差,分析机匣箱体振动特性,实现在设计阶段对机匣箱体振动的预测,并进行了箱体结构的优化与分析。结果表明,该优化方法对机械系统箱体结构设计和改进具有一定的指导意义。     

探测器月面起飞稳定性边界条件研究

探测器起飞稳定性是上升器月面起飞的重要性能指标,研究其特性对上升器返回地面具有重要的意义。选择上升器起飞稳定性主要影响因素,结合优化拉丁超立方试验设计方法和径向基神经网络建立了上升器起飞过程动力学近似模型,定量地判定出姿态角位移、姿态角速度对各影响因素的敏感程度。以上升器的姿态角位移和角速度分别为5°和5（°）/s为稳定判定条件,给出了单个影响因素的取值边界。编写了上升器起飞稳定性多因素边界条件分析程序,采用三维空间的方式建立了上升器起飞稳定性边界条件表达式,并以样例确定了起飞稳定性边界条件。     

基于多尺度空谱特征提取的高光谱遥感图像重建

遥感高光谱图像(HSI)凭借其丰富的光谱信息被广泛地应用于军事、农业、地质等领域。然而,HSI成像因其成本高、传输难等问题限制了其应用规模。通过光谱超分辨(SSR)方法,可以实现输入高分辨率红绿蓝(RGB)图像生成相应的高光谱图像,有效地解决了HSI成本高与传输难的问题。但是,已有的SSR方法对于图像的空间特征提取与光谱之间的相关性关注仍有所不足。针对上述问题,本文提出了一种多尺度空谱特征提取方法,并在SSR领域引入组归一化(GN)方法,关注相邻光谱之间的相关性。同时,还借助条件生成对抗网络进一步优化网络的参数,提升生成图像的真实性,并在DFC2018 Houston数据集上进行实验。结果表明:本文提出的方法可以实现精准的高光谱图像重建,重建的高光谱图像相比当前先进的主流方法性能均明显提高,其中相比CanNet方法,均方根误差下降了48.3%,平均峰值信噪比上升了20.7%。     

基于集成学习约束能量最小化的高光谱目标检测算法研究

提出了一种基于集成学习约束能量最小化(E-CEM)的高光谱图像目标检测算法。传统的高光谱检测算法通常是基于约束最小二乘法或基于高斯先验下的假设检验算法获得,然而真实环境中捕获的高光谱数据通常具有很强的非线性及非高斯特性,此时传统算法通常难以获得满意的检测效果。虽然核方法一定程度上能使传统算法获得较强的非线性表达能力,但核方法本身极易受到核函数参数的选择而表现出性能不稳定的现象。E-CEM在传统的约束能量最小化算法的基础上结合集成学习思想,使其在提升非线性光谱表达能力的同时提升检测的稳定性和稳健性。仿真高光谱图像和真实高光谱图像的实验结果都表明所提方法提升了CEM算法及其他经典算法的检测性能。