高体积分数ＳｉＣｐ / Ａｌ 复合材料精密车削加工工艺技术

针对高体积分数铝基碳化硅材料车削加工过程中出现的刀具磨损严重、寿命低、切削难度大、零

件质量难以保证等问题ꎬ采用聚晶金刚石刀具(ＰＣＤ 刀具)对其进行精密车削工艺实验ꎬ并利用扫描电镜、粗糙

度仪、圆度仪等设备对已加工表面和刀具磨损形态进行观察分析研究ꎮ 研究表明:刀具材料、切削速度、切削深

度和进给量是影响高体积分数ＳｉＣｐ / Ａｌ 复合材料加工质量的主要因素ꎮ 当切削速度在２５~４０ ｍ/ ｍｉｎ、切削深

度在２５~３５ μｍ 和进给量为２５ μｍ/ ｒ 的ＰＣＤ 车刀时ꎬ切削效果最佳ꎬ可以有效地提高加工效率ꎬ改善工件表面

加工质量ꎬ得到表面粗糙度为０.５８ μｍ 和圆柱度为０.９１ μｍ 的加工表面。

     

基于随机空间网络的无人机集群协同对抗模型

无人机集群协同对抗是未来作战的发展方向,为了突出集群强进攻、难防御、高灵活的优势,对高维度、强动态、非线性无人机集群的协同对抗的复杂系统进行有效建模是一个重要的研究方向。应用复杂空间网络理论构建了对抗双方的协同网络、对抗网络及协同对抗网络,模拟无人机集群的协同侦察场景,分别在二维和三维空间中建立了无人机集群协同对抗模型;分析了影响杀伤率的因素,提出了杀伤率与空间距离的解析式;通过网络级联效应分析了无人机集群协同网络的鲁棒性,验证了所提无人机集群协同对抗模型的有效性,为无人机集群协同对抗的建模提供了一种新思路。     

飞机结构雷击损伤和修理

根据气象部门预告，2009年雷暴天气是2000年以来最严重的一年，随着雨季的到来，飞机遭受雷击的概率也越来越大。本文着重描述飞机结构的雷击损伤并将具体修理方法进行归纳，供业界同仁参考。     

空间高速InGaAs-PIN光电二极管辐射损伤效应试验研究

利用质子、中子和伽马射线辐照空间激光通信系统拟选用的高速InGaAs-PIN光电二极管,对其辐射损伤效应开展研究,以评估PIN光电器件在空间辐射环境中的适用性。基于辐照前后器件的暗电流、光电流、光谱响应、电容等参数随辐照剂量变化的测试数据,对各参数受辐照影响的程度和不同辐照模拟源对光电器件造成的辐射损伤差异进行了比较分析。结果表明:PIN光电二极管的暗电流是受辐照影响最严重的参数,而光电流、光谱响应、电容等参数受辐照影响较小;暗电流增加主要与质子和中子辐照引入的非辐射复合中心有关,并与位移损伤剂量基本成线性关系。     

共轴刚性旋翼试验自动配平技术研究

针对共轴刚性旋翼高速直升机研究的需求,对共轴刚性旋翼试验自动配平技术展开了研究。基于现有试验平台,结合共轴刚性旋翼的配平原理,参考单旋翼自动配平技术,提出了基于模糊控制的共轴刚性旋翼试验自动配平技术,并在试验中进行了考核和验证,达到了实用阶段。     

航空发动机轮盘优化设计的策略与纲要(轮盘优化设计系统TDSOS简介)

轮盘结构形状复杂,完全按照实际结构进行结构分析也非常困难。为此,将榫头沿根部从轮盘中分离出来,作为三维问题处理;剩下的盘体简化为轴对称问题。由于简化了盘体,忽略了局部的应力集中,为此,适当降低被简化部位的屈服应力以做补偿。这样处理是否合适,需要从得到的优化设计中取出被简化的部分进行三维弹塑性计算来校核。如不满足给定条件,调整后重新进行优化直至满足要求。      

SiC陶瓷纤维先驱体的研究动态

对国内外SiC系列陶瓷纤维先驱体的主要合成方法及工艺进行了总结,比较了各种方法所得先驱体的产率,杂元素含量,分子形状形态,分子量及其分布等结构参数,先驱体可纺性以及对应烧成纤维的力学性能。提出降低先驱体中杂元素含量,改善其可纺性及先驱丝的强度,提高陶瓷收率是SiC系列陶瓷纤维先驱体分子设计的方向。     

不同圆角过渡的3A21铝合金矩形管弯曲壁厚变化与损伤研究

为获得不同圆角过渡3A21铝合金薄壁矩形管弯曲的壁厚变化和损伤情况,采用弹性模量变化法,通过对拉伸进行试样反复加载、卸载试验,获取了Lemaitre断裂准则中的损伤参数。基于ABAQUS/Explicit的VUMAT二次开发平台,开发了耦合Lemaitre准则的用户材料子程序,建立了相同弯曲半径条件下不同圆角过渡的矩形管弯曲损伤预测三维有限元模型,并对模型的可靠性进行了验证。基于所建模型,研究发现管材壁厚减薄率与损伤最大值均出现在弯曲后截面50°左右,并且管材截面的圆角半径越小,其弯曲后中性层外侧壁厚减薄越严重,损伤值越大,即管材截面形状越趋向于矩形,弯曲过程中越容易发生破裂。     

空间物理学最新进展与展望

空间物理学是人类进入空间时代后迅速发展的一门新兴交叉学科,特别是进入新世纪后国内外都取得了辉煌的成就.本文简要介绍空间物理领域近年来取得的重要进展、重要成果、国内外发展趋势,以及未来发展的重点方向.     

基于LIME的恶意代码对抗样本生成技术

基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释（LIME）的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。