Y12F，新一代涡桨通用／支线飞机

Y12F飞机是哈尔滨飞机工业集团有限责任公司采用当代先进技术研发的新一代通用/支线涡桨飞机。飞机设计符合CCAR23/FAR23适航标准,满足CCAR121/FAR135部营运要求,不仅可以用于中、短程支线客/货运输,还可以满足航测航拍、海洋监测、遥感、物探、空投空降等长航时通航作业的需求。大容量的机身设计和良好的短距起降性能为用户使用提供了便利。     

一种多级码符号的球形星座图映射方案

4G 的实现面临着重大挑战及主要技术问题和障碍,终端功耗问题是4G 最需要克服的问题之一.论文设计了一种通用的球形星座图映射,通过基函数控制编码级别,并得到球形星座图.最后分析了不同星座图下的系统性价指标.仿真结果表明球形星座图结构在各种信道条件下都可以获得良好的性能.     

在超低温下铝合金的力学性能

近年来,随着航天事业的发展,以液氢及液氧为燃料的火箭的研究受到重视,并开始认识到关于火箭结构材料,特别是火箭贮箱用材料的超低温力学性能之知识的重要性。同时也更加关心获得这些知识的手段的超低温材料试验。特别是拉伸试验,由于能获得很多关于材料的力学性质方面的知识,过去曾进行了在液氢温度下的一些实验,然而在条件更苛刻的液氦温度4.2°k下的实验事例是极少的。本报告之目的在于考     

空中电场传感器

为了监测雷雨云下或云中电荷层的形成和演变,研制了一种空中电场传感器,它利用对金属定子采用交替屏蔽的原理来测量准稳态的大气电场。对仪器的工作原理,结构特点和技术指标作了较详细的介绍,并对该仪器的应用作了简短论述。     

基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展,智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记,因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法,为在轨航天器实时故障诊断提供了可行方法.首先,对航天...     

NF-3风洞尾支撑机构及其测控系统的研制

介绍了西北工业大学NF-3风洞模型实验用尾支撑系统的总体设计方案、测量和控制技术。描述了该机构的基本结构及其主要的技术指标，讨论了其中的技术难点及相应的解决办法。通过实验运行表明，该系统达到了设计指标，完全满足气动实验要求。     

纳米TiO2/Fe2O3复合材料的制备及其红外吸收性能研究

用溶胶-凝胶法制备了纳米TiO2／Fe2O3复合材料，并用XRD、TEM等方法对其进行了表征，给出了相关的工艺参数。研究了不同组分的纳米TiO2／Fe2O3的红外吸收特性。结果表明，纳米TiO2／Fe2O3复合材料在400cm^-1～1000cm^-1内随Fe2O3含量的增加，吸收峰明显宽化。     

基于深度学习驱动的L型定向热疏导机理

碳/碳（C/C）复合材料具有热导率大、比强度高、耐烧蚀和耐冲刷等优异特性,被广泛应用于飞行器的热防护系统中,其有效导热系数对于实际应用而言是重要的热物理性质,尽管可以通过有效介质理论、对热扩散方程直接求解和玻尔兹曼输运方程等传统方法计算C/C复合材料有效导热系数,但这些数值方法通常十分耗时。本文引入深度学习方法,将格子玻尔兹曼（LBM）的三维格子模型作为三维卷积神经网络（3D-CNN）微观结构,不仅解决了三维微观结构模型难以捕获的问题,还便于实现数值计算模型和CNN模型的同步简化,利用3D-CNN快速精准地预测三维三相C/C复合结构的有效导热系数,基于此对内置L型高导热碳纤维丝的定向热疏C/C复合结构的有效导热系数进行快速预测和研究。研究表明,CNN模型在LBM传热计算上表现出强大的学习能力,但在测试样本结构孔隙率过分超出训练集时预测误差将大幅增加,且当孔隙率变化范围从30%~35%变化到55%~60%时,CNN模型"内插"预测的相对误差较模型"外推"降低了0.93%~30.72%。在C/C复合结构中内置L型高导热碳纤维丝可以将高温区域的热量沿纤维方向定向疏导至低温区域。