环境应力筛选中的振动试验方法

从振动试验技术的角度讨论了振动应力筛选的方法,分析了振动试验中夹具、安装方式、传感器、振动方向等各种因素和控制策略对环境应力筛选效果的影响,以及电子、机电、机械等不同种类产品的振动应力筛选方案,指出了在振动应力筛选中应注意的问题。     

基于XFEM研究含颗粒夹杂材料的疲劳裂纹行为

材料中的颗粒夹杂会改变附近的应力分布,对疲劳裂纹的扩展行为有显著的影响。在XFEM方法的基础上,借助一种考虑界面影响的交互积分方法以及ABAQUS的二次开发环境,模拟疲劳裂纹在非匀质材料中的扩展,研究夹杂颗粒对疲劳裂纹扩展的影响模式。裂纹和夹杂使用扩充函数结合水平集函数隐式模拟,使用最大周向拉应力准则判断裂纹扩展方向。通过模拟疲劳裂纹经过对称夹杂和非对称夹杂的情况,分别研究夹杂对裂纹扩展速率以及扩展路径的影响模式,探讨了夹杂的材料性质对结果的影响,考虑了裂纹在特定情况下可能刺入夹杂的情况。将部分数值结果与更新网格方法以及以往的扩展有限元模拟结果进行了对比,体现了该文方法的优点和模拟结果的合理性。     

民用飞机预研论证权威真相源构建技术

权威真相源不仅是基于模型的系统工程实施的核心要素,也是"数字工程战略"的关键环节。对权威真相源构建技术进行了研究,包括对权威真相源进行了定义和分析,设计了权威真相源的构建目标和原则,构建了权威真相源的架构和业务流程,并对构建权威真相源的支持技术进行了研究。梳理了民用飞机预研论证的业务流程、专业模型和基础模型,最后通过民用飞机预研论证验证机的案例研究,证实了权威真相源构建技术的可行性。民用飞机预研论证权威真相源能够有效提升系统工程的组织性,提升协同设计效率,同时能够提高模型和系统设计的重用性,减少系统工程实施的复杂度,缩小开发成本。     

一类准循环LDPC码及其编码

针对空间通信的特点, 对基于循环矩阵构造的一类正则准循环LDPC码进行了改进, 得到了一类非正则准循环LDPC码. 与原码相比, 这类非正则LDPC码的奇偶校验矩阵H具有3个特点: 行满秩, 具有下三角结构, 引入了一度变量节点. 前两个特性使得这种LDPC码的编码计算复杂度和结构复杂度都与校验位长度成正比, 从而便于编码器的软硬件实现. 第三个特性使码的迭代译码门限稍有降低, 但同时还能保证译码的收敛, 计算机仿真结果也证明了这一点. 本文还简化了对围长不小于6的条件的证明, 推导了系统码校验位的计算公式, 并在此基础上给出了利用移位寄存器的编码电路.      

离心式同向双旋流器空气雾化喷嘴雾化特性研究

对一种组合式的离心式同向双旋流器空气雾化喷嘴喷雾特性进行研究.双旋流器采用旋向相同的径向开孔式设计,在常温常压下试验,研究不同空气压力降和喷嘴供油压力工况下液雾的索太尔平均直径及分布指数.试验中以航空煤油为介质测试其雾化性能,采用马尔文激光测雾仪测量喷嘴下游50 mm处的液雾分布.结果表明:随着空气压力降和喷嘴供油压力的增大,索太尔平均直径减小,分布指数增大,推导了在空气压力降Δp/p＞3%和Δp/p＜3%两种工况下索太尔平均直径计算模型.      

聚丙烯酸酯类材料的阻尼性能研究

本文合成组成相同的聚丙烯酸酯类IPN聚合物、线性IPN聚合物、共聚物、共混物,通过示差扫描量热仪(DSC)、动态粘弹谱(DMA)等实验方法比较它们的阻尼性能;结果表明聚丙烯酸酯类IPN聚合物具有更佳的阻尼性能,其原因是IPN聚合物组份之间的协同作用而使其相容性表现为接近分子水平的共混.     

等参梯度有限元应用于非线性梯度材料的研究

将等参梯度有限元法应用于非线性功能梯度材料,推导了2种受力情况下指数体积分数变化的功能梯度材料的应力分布解析解。通过不同的单元划分形式,对等参梯度元数值解、均匀单元数值解及解析解三者进行比较分析,得出等参梯度有限元方法对非线性梯度材料同样适用,为等参梯度有限元的推广应用提供了证据。     

小口径火炮身管的振动钻削试验研究

针对小口径火炮身管钻削加工时存在的切屑堵塞和内膛质量问题,设计了一套低频振动装置。通过振动钻削和普通钻削的对比试验,该装置能有效地解决堵屑难题,并提高身管的内膛钻削质量。     

基于空时编码的SOQPSK-TG调制器的FPGA设计

为满足未来遥测系统高码速率且可靠传输的要求,将空时编码与SOQPSK-TG技术联合调制,通过使用正余弦波形查表法及基于预编码特性的累积相位映射简化来设计结构,设计一种ALAMOUTI空时码与SOQPSK-TG编码调制的FPGA实现方案。在FPGA硬件平台测试结果验证SOQPSK-TG体制相比传统遥测调制体制具有更高的频带利用率,并且基于空间分集技术的空时编码并不会对SOQPSK-TG信号频谱产生影响,具有抗信道衰落能力的空时编码在未来遥测系统有一定应用价值。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。