低周疲劳寿命的试验研究

用GH33A钢制成圆柱形棒、鼓形平板和带中心孔平板3种试件进行拉-拉低循环试验。试验测定的疲劳寿命与采用局部应力-应变法预测的寿命结果符合较好。随着应力集中系数的增加,试验寿命与预测寿命之比有所增大。实验中,一次超载造成较大的寿命降低。由于较厚板缺口处存在双向应力-应变状态,较厚试件的疲劳寿命比较薄平板的寿命长。     

基于网络的数据库安全研究

数据库技术和网络安全技术的融合,成为当今数据库研究的一个新的热点。网络数据库的普遍应用,其安全性问题也得到广泛的关注。本文探讨了数据库的安全要求、数据库安全性的各种措施,进而预测了未来的发展趋势。     

轮毂旋转对环形叶栅角区流场的影响

通过数值模拟来研究和分析某环形叶栅轮毂壁面旋转对静子叶根角区流动结构的影响.研究结果表明:轮毂正向转动可以减小叶栅端壁区的流动堵塞,轮毂端壁角区的流动结构由三维分离流动结构转变为泄漏涡占主导的端壁分离结构.轮毂壁面旋转带来的叶栅角区流动结构的变化根本原因在于端壁转动引起的叶栅根部间隙泄漏增强,阻碍了轮毂端壁附面层二次流向叶片吸力面角区的堆积.      

栅格舵气动与操纵特性高速风洞试验技术研究

为研究飞行器单独栅格舵全尺寸模型气动特性,考核、验证舵控系统操纵性能,在FL-24风洞(1.2m×1.2m)开展了专项试验技术研究.首次在国内高速风洞建立了全尺寸栅格舵高速风洞试验平台,主要内容包括:风洞大载荷侧壁支撑装置设计、高速风洞模型保护装置设计、高灵敏度气动测试天平研制、模型风载条件下变形测试系统设计以及动态气动力测量与数据处理方法等.该项试验技术实现了模型气动与舵控系统以及气动与结构一体化试验验证,为栅格舵尾翼布局飞行器相关专业设计及飞行试验提供了重要试验数据.     

基于两步最小二乘定位的偏差改进算法

针对传统最小二乘(LS)定位算法在噪声较大时会出现有偏估计的问题。首先详细推导了传统两步最小二乘算法在时差角度联合定位场景下的理论偏差,给出了出现偏差的原因;其次对误差均值加入二次约束条件,提出一种基于时差角度联合定位的改进算法,并详细推导新算法的理论偏差以及均方误差。相比于其他加限制条件的方法,新算法能有效降低估计偏差,另外由于其不需要进行特征值分解且能得到闭式解,计算复杂度较小。仿真结果表明,新算法在保持原有均方误差(MSE)的前提下能显著降低估计偏差,其定位偏差与最大似然估计器相当。     

小流量下转静系盘腔传热特性

采用热敏液晶(TLC)瞬态传热实验技术对小流量下的中心进气转静系盘腔传热特性进行研究,介绍了同步触发拍摄系统,考察了流量与转速变化对动盘面传热的影响.结果表明:在所研究工况范围内,流量变化对动盘面中低半径处传热影响较大,对高半径处影响较小;转速升高使动盘面传热效果整体增强;当湍流流动参数较小时,动盘面中高半径区域努塞尔数随半径增大而增大;采用湍流流动参数对动盘面平均努塞尔数进行归纳,实验结果与雷诺相似分析结果的偏差小于15%,一定程度上验证了雷诺相似对转静盘腔传热问题的适用性.      

基于Kalman滤波的激光陀螺捷联惯导自寻北技术研究

利用Kalman滤波技术对捷联惯导在准静基座条件下初始对准的失准角进行估计,进而实现惯导系统的自寻北。提出了对激光陀螺进行速率偏频的办法,解决了寻北的精度问题,并给出了实现导弹水平瞄准的方法。     

卫星自适应调零技术对抗方法研究

自适应调零技术作为通信抗干扰的一种重要手段,在信息及其对抗的斗争中得到应用和重视,特别是在高轨卫星通信中广泛使用该技术。对其基本原理进行了详细分析,并提出了相应的对抗策略和需要解决的一些关键技术。     

基于动态RCS特征相似的直升机靶机旋翼设计

为获得具备全尺寸直升机旋翼动态雷达散射截面(RCS)特征的靶机相似性设计方案,首先建立适用于动态旋翼雷达回波信号提取与分析的RCS高频预估方法和时频分析方法。其次,开展了旋翼参数对其RCS时频域谱中的微多普勒特征和信号强度的影响特性研究。然后,推导得到反比形式的旋翼雷达最大微多普勒频移的相似性条件,发现依据相似性条件设计较小半径、较少桨叶片数的靶机旋翼能够模拟出目标旋翼的雷达微多普勒特征,进一步通过改变翼型厚度能够使靶机旋翼具有与目标旋翼接近的RCS信号强度。最后,综合对比不同设计方案的靶机旋翼动态RCS的频域和时域特征,提出模拟目标旋翼雷达散射特性的择优方案：雷达最大微多普勒频移相同、RCS强度相似性误差小于0.408 dB,实现了靶机旋翼对目标旋翼RCS时频特征相似性的设计。     

基于神经网络的荧光油膜厚度与灰度研究

在全局摩阻测量中,薄油膜技术可以很好地表征表面摩阻的分布情况。用特定波长的紫外线照射添加了荧光显色分子的不同厚度的油膜,油膜将发出不同的亮度。利用该原理通过检测受激发的荧光油膜灰度值可解算出相应油膜的厚度。本次采用BP神经网络及极限学习机(Extreme learning machine,ELM)神经网络搭建模型完成了荧光油膜厚度与灰度关系的预测,运用Hopfield神经网络完成了相应参数的辨识。实验表明,ELM神经网络模型、BP神经网络模型及插值法模型的预测误差分别为5.150%、5.485%和5.935%。通过Hopfield神经网络辨识,光源功率、光距和曝光系数等影响因素的参数误差率控制在1%左右,达到实际工程运用的要求。与传统插值法相比,通过神经网络可获得更高的精度,为荧光油膜灰度与厚度研究提供了一种可行的方法。