三维编织工艺参数对复合材料拉伸性能的影响

通过一系列的实验比较和分析研究 ,客观地评价了三维编织工艺参数对复合材料拉伸性能的影响。实验结果表明 :三维编织复合材料具有良好的力学性能 ,纤维表面编织角、纤维体积分数和纤维束细度对复合材料拉伸性能有较大的影响     

一种基于主星的导航星座构造方法

提出了一种基于主星的导航星座构造方法,利用不等式约束下多变量函数最优化问题的求解方法实现了导航主星的选取和导航星座的构造。实验表明,采用该方法构造的导航星座数据库,既不会造成导航星的丢失,又显著地减少了需要存储的识别基元的数量,从而有效地降低了导航星座数据库的存储容量。     

航天器瞬态热平衡试验技术的新探索

文章以某型号航天器热平衡试验为工程应用背景,在正样星中用星内仪器按在轨飞行状态工作的方法实现仪器的内热源,用表面薄膜加热器模拟航天器表面多层部分的外热流,用红外加热笼模拟散热面的外热流,藉此实现了瞬态热平衡试验.     

开槽砂轮缓磨时射流冲击强化换热的研究

提出了运用磨削弧区强化换热技术开发高效磨削潜力的创新构想,并在开槽砂轮的基础上研制开发了能够实现磨削弧区沿砂轮径向定向高压水射流冲击强化换热的新型磨削液供液装置;完成了关于开槽砂轮缓磨时弧区定向高压水射流冲击强化换热效果的理论计算和实验研究,计算结果与实验结果基本吻合。     

正态分布置信检验方法

正态母体特征值(母体均值、百分位值、百分率、标准差和变异系数等)的检验是工程中常见的问题。本文根据置信检验理论,建立了正态母体特征值的置信检验方法,包括母体均值、百分位值、百分率、标准差和变异系数的强检验、弱检验和弱强检验,可以满足不同的实际需求。置信检验克服了显著性假设检验在接受原假设时缺乏说服力的弱点,能够以高概率判断正态母体特征值是否满足工程中规定的条件。不但比传统的正态分布假设检验和抽样检验具有更高的精度,而且更加便于应用,许多假设检验和抽样检验难以处理的问题(如母体百分率和百分位值的检验),采用置信检验可以容易地得到解决。      

确定时间序列协方差函数的方法

提出一种确定时间序列协方差函数的方法,它首先根据(多元)时间序列构造其互协方差函数随机序列、互相关函数随机序列或自协方差函数随机序列、自相关函数随机序列,然后采用谱分析和多点平均方法对互协方差函数随机序列、互相关函数随机序列或自协方差函数随机序列、自相关函数随机序列的趋势项进行分离,分别求得其周期项和非周期项的函数表达式,再综合给出整个趋势项函数。从而得到原时间序列的互协方差函数、互相关函数或自协方差函数、自相关函数的函数形式,并通过最小二乘方法确定其中的待定参数。该方法可用于时间序列协方差函数的建模、分析和预测,并且计算简单易行、精度高,便于实际应用。      

基于Wash-out滤波器技术的机翼颤振控制

研究应用wash-out滤波器技术对具有立方非线性俯仰刚度的二元机翼颤振的控制。首先,确定需要引入Hopf分岔的点,并在该点将原系统方程Jordan化;其次,对于引入的wash-out滤波控制器,先按Hopf分岔条件确定线性控制增益,再用规范型直接法得到受控系统的规范型,由分岔类型与规范型系数的关系确定非线性控制增益,从而将原系统的亚临界Hopf分岔变为超临界Hopf分岔;最后通过数值模拟验证了控制的有效性,并发现受控系统的颤振幅值（极限环大小）大大降低。     

基于Web Services的企业应用集成研究

分析了企业应用集成的需求以及Web Services的特点和技术层次,给出了一个基于Web Services技术的企业应用集成框架,并应用到航空制造车间,效果显著。     

航空发动机后向RCS统计特性分析方法

为解决采用传统固定带宽核密度估计方法分析雷达散射截面（RCS）统计特性时精度低的问题,设计了K最近邻法计算Epanechnikov核密度估计的动态窗宽。以每个相邻样本的欧氏距离判断样本局部密度,通过样本点与最近邻的距离来调整核函数的窗宽以完成核密度估计,并将其用于发动机后向RCS的统计特性分析。采用改进的Epanechnikov核密度估计与传统核密度估计,对服从固定分布的4种RCS随机样本点的累积概率密度函数进行拟合,以验证算法的精度。结果表明：改进的Epanechnikov核密度估计的均方根误差比传统核密度估计的分别减小31.2%、38.8%、38.1%、31.9%。结合第2代RCS统计特性分析模型,以Kolmogorov-Smirnov拟合精度检验为拟合指标,应用改进的Epanechnikov核密度估计计算发动机后向RCS的统计特性并对其规律进行分析可知,对数正态分布更符合C波段和X波段的HH和VV极化的统计特性分布;卡方分布更符合C波段以及Ku波段的HV和VH极化;威布尔分布更符合X波段的HV、VH极化以及Ku波段的HH、VV极化。     

基于测量数据积累的弱目标检测前跟踪算法

检测前跟踪(TBD)算法是一种有效的弱目标联合检测与跟踪方法。当目标强度参数未知时,基于点目标假设的主流TBD算法通常将其建模为增广目标状态变量,在贝叶斯框架下联合估计目标运动状态与强度信息。本文研究发现强度参数估计精度受限于点扩散函数(PSF)的设置,提出了一种基于测量数据积累的弱目标TBD算法。该方法利用目标的航迹,积累多帧间目标占据分辨单元的测量数据,在实现弱目标的联合检测与跟踪的同时,对目标强度参数完成准确估计,为后续目标分类或识别提供有用的目标强度信息。仿真结果表明:在低信噪比条件下,所提算法的强度参数估计精度和稳健性优于主流TBD算法,并最终收敛于参数完全已知时的最优联合检测与跟踪结果。