复合结构大尺寸天线罩的制备及其性能

选用玻璃纤维织物/环氧树脂,采用湿法手糊成型工艺研制了复合结构大尺寸天线罩。经过电性能测试和静力试验,结果表明,该罩体的选材、结构设计和工艺过程可行;天线罩最小透波率为87%;天线罩通过了120%设计载荷的加载。     

噪声环境对弹上电子设备的作用机理研究

建立了弹上电子设备声振耦合理论抽象模型,采用数值实验方法研究了电子设备周围环境的噪声载荷如何从外部传递到内部并对其内部器件的作用机理。分析得出:环境声场的声波入射到电子设备壳体外表面时发生反射与透射,其中反射声压与入射声压合成后同时作用于壳体外表面;合成压力载荷通过两条途径对电子设备器件内部产生影响,一条是激发电子设备壳体结构振动,并通过壳体结构及其与内部结构的机械连接,带动内部结构振动;另外一条是激发电子设备腔内声空间响应,产生二次声压场,再由二次声压场激励壳体内部结构产生振动;透射声压主要集中在低频且量级较小,其作用远比前述两条途径微弱。     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.     

基于自组织神经网络的空中交通复杂度参数优化及预测

首先介绍了国内外关于空中交通复杂度的定义及研究现状。然后在现有的空中交通复杂度模型中挑选空中交通复杂度参数,再利用自组织神经网络,分析所选取的空中交通复杂度参数之间的关系,达到将高维空中交通复杂度参数进行降维分析的目的。然后对于优化了的空中交通复杂度参数使用RBF神经网络进行预测,比较预测结果,得到最优的空中交通复杂度参数。     

横向喷流引起的三维复杂干扰流场结构研究

研究了横向喷流引起流动分离的干扰流场特性,利用表面压力分布测量和纹影、油流等试验方法研究了此类流场的细节结构,给出了干扰流场的结构分析图。     

基于AND与Petri网映射的分布式装配系统建模方法

为降低分布式装配系统( Discrete Assembly System,DAS)建模复杂度,有效支撑系统性能分析与优化,提出了一种基于活动网络图(Activity Network Diagram,AND)和Petri网映射的分布式装配系统建模方法.该方法中,首先采用装配作业的分级对象建模框架,快速构建装配作业过程的活动网络图;然后,在活动网络图与Petri网结构元素分析的基础上,采用关联映射规则实现Petri网结构的自动生成;最后,绐出了Petri网模型中装配作业规则设定和初始作业状态设定的方法.此外,采用某型飞机襟副翼装配为例,验证了方法的有效性.     

基于自编码网络的导弹攻击区实时计算方法

针对传统中远距空空导弹三线攻击区无法为飞行员提供丰富的战术决策信息,火控系统计算攻击区实时性差、精度低的问题,提出以攻击机为中心,考虑目标逃逸机动的新型导弹杀伤包线概念。分析经典战例中目标机规避导弹的常见机动方式,将攻击区抽象为导弹的七种杀伤包线,给出准确的计算方法并进行离线仿真。确定8种影响杀伤包线的运动参数,构建样本库。引入深度学习方法,建立降噪自编码网络（AE）模型,采用无监督学习提取样本初级特征,获取表征样本库非线性规律的高维特征量;建立深度网络模型,采用监督学习提取高维特征量中的高级特征并进行拟合。实验表明深度网络的拟合值与六自由度仿真结果以及导弹真实数据相比,误差可控制在15 m之内;网络在线解算只需0.04 s,能够满足实时性需求;新型杀伤包线为飞行员及时掌握敌我态势提供了有效的辅助信息,为机动决策提供理论依据。     

捷联惯组空间八点减振IMU组合设计CSCD

为了研究捷联惯组空间八点减振IMU组合的力学性能及其在抑制线角耦合方面的作用,采用NX三维建模及ANSYS仿真分析工具对IMU组合的刚度、减振器的线角频率、减振性能方面进行了充分的理论验证。同时,推导出平衡机的调平原理,通过调平使IMU弹性中心与质心重合,然后对惯组进行振动试验,观察其减振性能及三向陀螺角速度输出值。结果表明,经理论分析该IMU组合模态为875.7Hz,具备足够的刚度;减振器线角频率差值在50Hz以上,具有较高的离散度。经试验验证,该IMU组合调平小于0.1mm时,减振效率不低于42%,三向陀螺角速度输出不大于11(°)/s,具有较好的力学环境适应性与极高的角速度输出特性。     

空中交通管制员疲劳检测与管理综述

我国民航事业的发展需要依靠大型运输客机的自主研发和高效的空中交通管理体系两大软硬实力的支撑。空中交通管制员作为空中交通管理的核心要素,其疲劳状态的检测与管理对于航空安全具有重要作用。本文首先从传统主观量表评定和客观评定方法两个方面详细阐述了国内外疲劳检测的研究成果,分析其优缺点;然后介绍了基于语音分析的管制员疲劳特征提取与检测算法,并且着重介绍了基于深度学习模型的语音疲劳状态识别算法;最后阐述了管制员疲劳检测成果对管制运行安全和效率提升的应用前景。研究成果可为从事管制员疲劳检测与管理的研究人员提供参考和借鉴。     

RBCC混合室激波串前传运动研究

RBCC中火箭出口流动和冲压流道的空气在发动机混合室中相互作用,形成激波-边界层、激波-混合层等多种干扰耦合的复杂背景流场。为了深入研究发动机工作室混合室内激波串的运动规律,采用非定常数值计算的方法对激波串在混合室中的前传过程进行了研究。计算结果表明,随着反压的升高,激波串的前传过程包含4个运动周期,每个运动周期中均包含缓慢前传和"突跃"前传两种运动模式;激波串结构呈现"弹簧"的特点,在第二运动周期中,激波串前缘的流向长度在16.5mm～21mm周期性变化。进一步分析发现,背景波系在壁面产生的逆压梯度是"突跃"运动产生的主要原因,且"突跃"前传的距离和逆压梯度峰值成正相关;激波串前缘分离激波和反射激波强度的变化引起了激波串前缘激波形态的周期性变化,进而导致激波串在前传运动中呈现类似"弹簧"的伸缩特点。