改进的军机细节疲劳额定值方法研究

基于军机细节疲劳额定值（DFR）方法的基本定义,本文对大量研制性试验结果进行数据分析,并对影响结构细节疲劳寿命的主要因素展开研究,在民机DFR方法中的细节修正系数的基础上,按制造工艺类、材料类、结构细节特征类重新定义了8个细节修正系数,并提出了改进的军机DFR方法。通过试验数据的对比分析获得细节修正系数,并以少量分散性较小的试验数据为基础对多种材料及细节类型的DFRbase值进行修正和仿真。通过开发简易快捷的小工具,实现结构快速的耐久性分析,并给出结构细节的疲劳裕度和可靠性寿命。该方法可以极大地提高结构细节优化、超差处理和机群使用状态变化后的寿命评估效率。     

基于深度表征学习的紫外极光卵图像聚类

极光受太阳风驱动的地磁亚暴等大尺度动力学影响，其形态及演化因不同的太阳风-磁层-电离层耦合作用可能表现不同。目前，极光卵及其形态的归类大多依据极光演化理论作主观定性分析，没有明确的分类标准，故难以借助统计分析方法和有监督分类模型开展客观定量研究。建立了基于深度表征学习的紫外极光卵图像聚类模型（MoCo-GMM），并利用空间环境参数设计了评估模型物理合理性的方法，在大规模POLAR卫星紫外极光卵图像数据上进行了实验，聚类结果不仅具有良好的簇内凝聚性和簇间分散性，且具备一定的物理可解释性，有效实现了基于图像的极光卵及其形态的客观归类。