细晶薄壁筒形件的旋压成形

高性能GH4169薄壁筒形件在航天发动机等部件上有较多的需求,针对不同形式及尺寸要求,采用拉深成形旋压坯进行变薄强力旋压,再经920～950℃特定热处理可得到细晶高性能的薄壁筒形件,可满足航天飞行器发动机等不同部件的需求.     

Ti40阻燃钛合金的基础研究

阻燃钛合金具有重要的应用前景,Ti40合金是我国研制的新型阻燃钛合金.重点综述Ti40合金的基础理论研究结果,如变形机理、氧化机理、阻燃机理等.     

热处理对纤维增强SiO2气凝胶性能的影响

采用溶胶一凝胶法制备了纤维增强SiO_2气凝胶隔热材料,对基体SiO_2气凝胶及复合材料进行不同温度的热处理.利用扫描电镜、比表面积和孔径测试仪和导热仪等手段对处理后材料的微观结构和常温隔热性能进行表征.结果表明:复合材料经低于700℃处理后,材料基体的微观结构略有变化,常温隔热性能基本保持不变;经1000℃处理的纳米结构发生了烧结、纳米孔含量减少,常温隔热性能显著降低.     

钛合金薄壁筒形壳体加工技术研究

近年来,随着航空武器产品对轻量化及耐高温材料的需求越来越明确,具有重量轻、节约材料、结构紧凑等特点的钛合金薄壁零件在航空行业得到了广泛应用.本文以钛合金薄壁筒形壳体为研究对象,根据零件的结构特征,结合钛合金材料的难加工特性,从加工流程、装夹方式、结构特征等角度研究其对薄壁件加工变形的影响,并依据加工情况给出零件结构优化...     

高低轨双星时频模糊雷达信号的频差估计算法

针对高低轨双星定位系统中,雷达信号定位参数估计结果同时存在时差与频差模糊的问题,分析了相参脉冲串信号的模糊特性;利用粗略配对的脉冲串获得到达时间差序列,避免了对时域高度密集的脉冲进行配对的难题;在此基础上,提出了对时差序列进行中心差分计算频差粗估值实现频差模糊消除的方法;推导得出了频差粗值误差随着辐射源载频的增加、脉冲到达时间测量误差的增大、时差差分间隔的减小而增大的结论。仿真结果表明,频差粗值误差与理论值一致;通过设置合理的差分间隔,得到无模糊的频差粗值以后,频差精估精度逼近CRLB。新算法便于工程实现,对长基线定位系统中雷达信号的频差估计具有一定参考价值。     

人工势场与虚拟结构相结合的无人机集群编队控制

采用人工势场法进行无人机集群编队控制时,无人机集群通常难以准确地到达期望位置,且容易陷入局部极点问题。针对上述问题,提出一种人工势场与虚拟结构相结合的无人机集群编队控制方法。在三维空间中设立虚拟结构质点,并将其分为编队参考点和目标参考点两部分,通过建立集群个体间以及个体与编队参考点之间的人工势场,使得无人机集群在该势场作用下以编队参考点为参考形成预设编队,再通过建立目标参考点和编队参考点之间的人工势场,使得无人机集群在该势场作用下跟随编队参考点轨迹到达期望位置。仿真结果表明,在随机的初始位置条件下,无人机集群可以跟随编队参考点快速形成预设编队,并准确地到达期望位置。     

基于上下文感知和用户组的访问控制模型

传统的基于角色的访问控制(RBAC,Role Based Access Control)主要依靠对主题赋予相应的角色来实现对资源的保护,在权限控制时没有考虑执行的上下文环境,也没有考虑在系统中的用户是如何组织和管理的.为了适应应用环境的动态要求,并且方便用户的管理,提出了基于上下文感知和用户组的访问控制(RGBACC,Role and Group Based Access Control with Context)模型,RGBACC将上下文感知和用户组管理加入到RBAC模型中,从应用环境中获取与安全相关的上下文信息来动态地改变用户的权限,并且可以对具有统一职能的用户进行统一管理,同时还保留了传统RBAC模型的优点.      

槽缝射流和泄漏间隙对轴对称涡轮端壁换热特性的影响

为了研究槽缝射流和泄漏间隙对一级涡轮导叶轴对称端壁换热特性的影响,利用R35C15W型宽带液晶和稳态测温技术在高速叶栅风洞试验台进行了端壁换热特性的实验研究.在无槽缝射流时,研究了叶栅进口雷诺数(Re=2.2×105,2.8×105和3.4×105)对端壁换热特性的影响;在有槽缝射流条件下研究了射流质量流量比(0.6％...     

基于残差SDE-Net的深度神经网络不确定性估计

神经随机微分方程模型(SDE-Net)可以从动力学系统的角度来量化深度神经网络(DNNs)的认知不确定性。但SDE-Net面临2个问题，一是在处理大规模数据集时，随着网络层次的增加会导致性能退化；二是SDE-Net在处理具有噪声或高丢失率的分布内数据所引起的偶然不确定性问题时性能较差。为此设计了一种残差SDE-Net(ResSDE-Net)，该模型采用了改进的残差网络(ResNets)中的残差块，并应用于SDE-Net以获得一致稳定性和更高的性能；针对具有噪声或高丢失率的分布内数据，引入具有平移等变性的卷积条件神经过程(ConvCNPs)进行数据修复，从而提高ResSDE-Net处理此类数据的性能。实验结果表明：ResSDE-Net在处理分布内和分布外的数据时获得了一致稳定的性能，并在丢失了70%像素的MNIST、CIFAR10及实拍的SVHN数据集上，仍然分别获得89.89%、65.22%和93.02%的平均准确率。