利用色质谱方法检测卫星真空热试验污染物成分

在真空热试验过程中进行了污染物的采集及成分分析试验。利用污染采集板收集污染物,丙酮溶液洗脱污染物,气相色谱-质谱联用方法对污染物进行成分分析。确定了整星热试验和太阳电池翼热试验中的主要污染物成分为硅氧烷和邻苯二甲酸酯,热试验中污染物甲基苯基硅氧烷可能来源于粘结剂。     

基于MBSE的通用质量特性建模分析技术研究

航空装备的可靠性、安全性、测试性分析在工程应用中存在大量重复性工作,如重复开展 FMEA 等;传统 FMEA 存在很多管理和技术问题,且 GJB/Z 1391—2006 中给出的功能及硬件 FMEA 方法自身也存在一定的技术缺陷,导致 FMEA 应用效果差,甚至很多外场真实故障应用传统 FMEA 是无法分析出来的。本文首先从 MBSE 角度着手,充分融合产品研制流程和通用质量特性的设计分析评估过程,以产品功能作为通用质量特性的输入,基于功能故障逻辑建模分析,对飞控系统功进行案例应用。结果表明：基于 MBSE 的通用质量特性建模分析技术可有效避免重复工作,并能解决“两张皮”问题。     

加筋结构中筋条有限元模型研究

 本文提出板杆组合元模型在抗拉及板面内抗弯刚度上均达到与实际筋条相等。该模型不仅是检验各种近似解的工具,而且,可在工程上推广应用。 1.筋条抗拉刚度分析 作如下基本假设:（1）平面应力、线弹性Ⅰ型断裂问题;（2）板的中面与筋条铆钉孔所在缘条中面重合,铆钉力在这个面愉;（3）钉孔仪是一点,铆钉力是作用在该点上的一个集中力;（4）忽略筋条与板间的摩擦力。以机翼下壁板为例进行分析(图     

大型等剪应力钢丝缠绕芯筒的失稳校核

 针对大型预应力钢丝缠绕芯筒在缠绕过程可能发生失稳的复杂问题,在已有的等张力钢丝缠绕结构失稳理论与公式基础上,提出了一种新的等剪应力钢丝缠绕失稳校核公式。通过545 MN、726 MN超大型等静压设备钢丝缠绕芯筒的应用算例,结合实际缠绕施工过程的测量数据,验证了所提算法的可靠性和芯筒预紧完毕后芯筒外压公式的正确性。该算法为大型等剪应力钢丝缠绕芯筒失稳校核提供了理论依据,也为超大型缠绕缸体的方案设计和结构优化创造了条件。     

燃气透平叶型气动与传热的优化设计

建立了一个透平叶型气动与传热优化的两步模型.第1步采用解析多项式曲线构造叶片的参数化造型,基于CFD数值模拟,通过正交设计和敏感性分析,优选几何设计参数.第2步采用贝塞尔(Bezier)曲线参数化叶型型线,以总压损失和表面热流加权函数为优化目标,调整叶型型线,获得了气动性能与热负荷较优的叶型.设计案例的结果表明:增加安装角可以降低叶片压力面热负荷;增大叶片前缘直径可以降低前缘滞止点热负荷.调整叶型的表面曲率分布,有可能推迟吸力面的转捩,弱化叶片表面的传热.两步优化法计算量小,收敛性好,具有工程应用价值.      

基于时变散射特征与CNN的双极化SAR作物分类

作物类型分类是极化合成孔径雷达(PolSAR)图像中最重要的应用之一。然而，由于成本和系统限制，越来越多的双极化SAR系统已经投入使用。由于双极化模式的限制，双极化SAR数据集存在严重的贴现特性，使得双极化SAR图像难以获得令人满意的分类精度，因此有必要提取更适合于双极化SAR数据集的散射特征。基于H/α分解的基本理论，引入了一个新的参数来测量农作物的时变散射特性，并针对双极化SAR图像提出了时变散射特征驱动的卷积神经网络(CNN)。实验结果表明:提出的CNN分类方法达到了最高的分类精度。与不同的特征组合输入相比，提出的新参数能稳定地提高分类器的分类性能，H、α、θ和强度特征的组合也能达到最佳的分类性能。     

高温压力传感器无引线封装研究

针对高温压力传感器有引线封装在恶劣环境下的弊端，本文对无引线封装进行研究。首先，对无引线封装结构进行设计，并明确了适用无引线封装的高温压力敏感芯片结构；其次，研究了耐高温低应力气密封装工艺、低应力黏片工艺、无引线电气互联工艺，并实现工艺兼容。最后，将该无引线封装结构应用于高温压力敏感芯片，评估无引线封装效果。经测试，无引线封装结构漏率为10E-8 Pa·L/s，工作温度达300 ℃。本文的研究将拓展高温压力传感器应用领域，提高传感器恶劣环境的适应性及可靠性。     

侧风下直升机水上迫降模型试验研究

为了研究侧风对直升机水上迫降性能的影响，开展了侧风环境模拟技术研究和模型着水试验，研究风扇桨叶角、风扇间距对侧风风速的影响以及侧风风速对直升机模型姿态角、过载和底部压力的影响。结果表明，风扇采用18°桨叶角方案比采用15°或20°桨叶角方案更优；风扇间距比为1.66时侧风风速分布均匀；有侧风时，对模型俯仰角几乎没有影响，横滚角幅值较大且难以稳定；随着侧风速度增大，重心过载逐渐增大、对称面和近侧风端的底部压力增大、远离侧风端的底部压力减小。     

基于多尺度CNN模型的多时相PolSAR图像作物分类

农作物分类是偏振合成孔径雷达(PolSAR)数据的重要应用之一。由于单时相PolSAR数据获取的信息有限，因此，采用多时相PolSAR数据，其含有农作物生长周期更丰富的特征信息。针对多时相PolSAR数据在极化特征分解时造成的“维数灾难”问题，提出了一种非负性约束稀疏自编码器(NC-SAE)的特征压缩方法，用于对分解后的特征数据进行压缩，以获得分类所需的有效特征。此外，构建了一种多尺度特征分类网络(MSFCN)，该网络可以提高农作物的分类性能，且优于目前传统的卷积神经网络和支持向量机方法。通过使用欧空局提供的数据进行仿真实验，对分类结果进行性能评估，并与传统方法比较。实验结果表明:所提的方法具有很好的农业应用前景。