基于在线气动参数修正的预测制导方法

针对高超声速滑翔飞行器,提出了一种基于在线气动参数修正的预测制导方法.研究了再入过程中受到的各种飞行约束,给出了多约束下控制量设计的基本方案.分析了传统预测制导法在落点预测过程中存在的气动参数偏差影响,引入综合升力系数与综合阻力系数,并对其进行在线参数估计以及参数修正,以提高制导方法的适应性.基于气动参数修正方法,完成了纵向与横侧向制导律设计.设定较大的轴向力、法向力系数组合偏差对该方法进行了验证,并考虑再入初始条件和再入气动参数的不确定性,进行了蒙特卡洛仿真.结果表明:预测制导法中引入气动参数的在线估计与修正环节,可保证其制导精度,尤其对再入过程的气动扰动具有较强的适应能力.     

超长航时太阳能无人机关键技术综述

超长航时太阳能无人机（UAV）以其高效节能、原理上可实现无限巡航的特点受到广泛关注，而其独特的设计指标与任务特性也对各项关键技术提出了较高要求。多设计要素的高度耦合意味着不同于常规飞行器的总体设计方法，低密度、低速度的飞行条件使其具有明显的低雷诺数气动特性，柔性超大展弦比机翼带来了复杂的气动弹性问题，低翼载荷特性与较大的风场扰动增加了控制难度，极端的飞行环境与苛刻的任务指标对能源、动力系统带来了新挑战，飞行性能对能源系统的高度依赖开辟了飞行轨迹优化的研究方向。本文梳理了超长航时太阳能无人机关键技术的研究现状，在此基础上对各项技术中的难点问题进行了阐释，并对超长航时太阳能无人机未来发展趋势进行了展望。     

On developing data-driven turbulence model for DG solution of RANS

High-order Discontinuous Galerkin(DG) methods have been receiving more and more attentions in the area of Computational Fluid Dynamics(CFD) because of their high-accuracy property. However, it is still a challenge to obtain converged solution rapidly when solving the Reynolds Averaged Navier–Stokes(RANS) equations since the turbulence models significantly increase the nonlinearity of discretization system. The overall goal of this research is to develop an Artificial Neural Networks(ANNs) model with low complexity acting as an algebraic turbulence model to estimate the turbulence eddy viscosity for RANS. The ANN turbulence model is off-line trained using the training data generated by the widely used Spalart–Allmaras(SA) turbulence model before the Optimal Brain Surgeon(OBS) is employed to determine the relevancy of input features.Using the selected relevant features, a fully connected ANN model is constructed. The performance of the developed ANN model is numerically tested in the framework of DG for RANS, where the‘‘DG+ANN" method provides robust and steady convergence compared to the ‘‘DG+SA" method. The results demonstrate the promising potential to develop a general turbulence model based on artificial intelligence in the future given the training data covering a large rang of flow conditions.     

航空发动机测试数据准确度和可靠性保证

测试数据质量对航空发动机试验至关重要。为了保证航空发动机测试数据准确可靠，需要深入研究测试数据准确可靠 的各种影响因素及其保证方法。通过对航空发动机试验测试领域的相关标准和文献进行梳理和研究，结合实际工作经验总结，构 建了保证航空发动机测试数据准确可靠的技术框架。简要描述了测量过程设计的基本流程和准则，强调了完整的测量要求和清 晰的测量过程定义的重要性，重点通过实例描述了测量影响因素分析以及不确定度评定技术在航空发动机试验测试中的应用，探 讨了测量风险分析、可靠性技术及其在符合性测试中的应用，并提出了保证航空发动机测试数据准确可靠的主要方法。为相关专 业人员在保证航空发动机测试数据准确可靠的方法论和实际操作层面提供参考。     

基于多传感器的裂纹扩展监测研究

疲劳裂纹扩展是结构健康监测的主要问题之一，为了保证金属结构的可靠和安全运行，实时监测结构的疲劳裂纹扩展过程十分必要。针对结构裂纹扩展的问题，采用压电传感器（PZT）和电阻应变片两种传感器，提出结合能够连续监测结构损伤的被动监测方法以及对微小损伤敏感的主动监测方法对裂纹扩展进行综合监测，以提高裂纹扩展的监测水平。采用随机森林算法对裂纹长度进行识别，并使用D-S证据理论对两种传感器的识别结果进行数据融合，得到比单一传感器更准确、可靠的裂纹扩展识别结果。进行了基于应变和主动Lamb波的裂纹扩展监测实验研究，验证了该方法对提高裂纹扩展监测识别准确率的有效性和实用性。     

反应烧结氮化硅陶瓷模具拉深不锈钢的试验研究

在ＹＡ－１００型四柱液压拉深机上，进行了用反应烧结氮化硅材料凹模拉深不锈钢（ＳＵＳ３０４）的试验研究。结果证明：与水基润滑剂配合，反应烧结氮化硅陶瓷材料模具拉深ＳＵＳ３０４不锈钢时，拉深件不产生划痕、划伤等表面缺陷，拉深件废品率低于０．１％，模具表面也不产生拉深棱缺陷，是可以替代金属模具拉深不锈钢的新一代模具材料，应用前景广阔。     

高职院校学分制实施过程中存在的问题与对策

分析部分高职学院在实行学分制管理过程中遇到的外部和内部的问题,提出解决对策。     

基于等基因序列双重随机遗传算法的复合材料铺层优化

复合材料铺层优化中常用的各种遗传算法，较难同时综合考虑表面45°、分层比例、连续铺层数限制等复杂工程约束问题，基于此，提出一种针对复合材料层压板的等基因序列双重随机遗传算法，在交换和突变算子中引入双重随机算法以保证优化迭代中基因序列的严格相等，基于SABRE 软件实现该优化算法，并通过算例验证算法的正确性。结果表明：该算法可满足均衡性、对称性、表面45°、连续铺层数限制、铺层比例等复杂工程约束，有较高的可靠性与工程适用性。     

通道间延迟时间差评价结果的不确定度

介绍了四参数正弦波最小二乘法评价通道间延迟时间差指标及不确定度分析和评价过程，同时给出了一个分析评价实例。该过程及结论可应用在对于测量标准进行相应指标的不确定度分析上，也可用于估计指标本身的不确定度。     

高温下直流电位法测量裂纹长度的应用

介绍了直流电位法测量疲劳裂纹长度方法的基本原理、实现方法、及所需配置的仪器,并对有关影响因素作了分析.该测量系统主要用于在高温下测量各种材料在恒幅载荷下的疲劳裂纹扩展和门槛值试验中的疲劳裂纹长度,可以提高测量疲劳裂纹长度的自动化水平.