TiC颗粒增强Ni3Al基复合材料的组织和性能研究

本文对自行制备的ＴｉＣ颗粒增强Ｎｉ３Ａｌ基复合材料的组织和性能进行了研究。比较了铸态和经热处理后的复合材料的微观组织和高温压缩机械性能。结果显示，碳化物在枝晶间均匀分布，与基体润湿良好。经１１００℃４８ｈ热处理，Ｔｉ颗粒的微观形 组成无明显改变。结果也表明，ＴｉＣ颗粒增强Ｎｉ３Ａｌ基复全材料具有比基体高的弹性模量、屈服强度，但塑性有所降低。     

面向智能微纳星站的锥-杆型对接机构设计

针对传统杆-锥对接模式,提出了一种用于智能微纳星站母星与子星的对接、装载、存储与分离的新型锥-杆对接机构方案.母星接收杆能与子星的对接锥实现自主捕获与对接,且能作为子星的入舱导轨和停靠支架,完成装载、存储与分离.给出了新型锥-杆对接机构设计,用参数化方法建立了虚拟样机模型.基于捕获阶段动力学建模,用Adams解算器对对接与分离过程进行仿真.结果表明:该锥-杆对接机构满足设计指标.     

T300/BMP-316复合材料板冲击损伤研究

采用自由落体冲击设备, 对两种不同尺寸不同铺层顺序的T300/BMP-316复合材料层合板进行了详细的低速冲击损伤试验研究, 同时应用作者以前发展的复合材料层合板逐渐累积损伤分析方法对层板的冲击过程进行了模拟.结果表明, 几何尺寸对层合板的冲击损伤投影面积有较大的影响, 而铺层顺序对冲击损伤投影面积影响不大, 但对层合板的冲击损伤形状会有一定的影响.      

含冲击损伤复合材料层合板疲劳试验研究

针对两种不同铺层顺序的T300／BMP316复合材料层合板，进行了低速冲击后不同应力水平下的等幅拉一拉疲劳试验。结果表明：低速冲击后，材料疲劳寿命的对数与应力水平成线性关系；在低应力水平下，层合板的主要疲劳损伤模式为分层，而在高应力水平下，其主要疲劳损伤模式为纤维断裂；随着疲劳应力水平的降低，层合板内损伤面积增加且刚度退化幅度变大。     

微动疲劳寿命可靠性分析方法

针对结构的微动疲劳问题,发展了一种寿命可靠性分析方法.在微动条件下,接触区域处于多轴应力状态,采用基于临界平面法的多轴疲劳参数对结构的微动疲劳寿命进行预测.在确定性寿命计算的基础上,考虑弹性模量、摩擦系数以及寿命预测模型中材料常数的随机性,利用响应面方法,结合Monte-Carlo模拟技术获得结构微动疲劳寿命可靠性模型.最后将此方法用于燕尾榫结构的微动疲劳寿命可靠性分析,验证了所提出方法的可行性和有效性.      

基于CFD技术的变阻尼液压缓冲装置动态分析

基于CFD技术,重叠网格分析模块,同时采用k-ε湍流模型对变阻尼液压缓冲装置进行三维几何建模仿真计算。通过计算得到缓冲器在不同载荷下内部流场的压力、流速随时间变化的特性曲线以及活塞的运动速度、位移变化曲线。同时将计算结果与实验进行对比分析,验证了仿真计算的准确性。     

复合材料层合板冲击及冲击后疲劳寿命预测方法(英文)

现有含冲击损伤复合材料层合板的寿命预测方法是建立在冲击后复合材料层合板的疲劳性能基础之上的,导致模型和方法不具有通用性。因此,针对含冲击损伤的复合材料层合板,基于逐渐累积损伤理论和无损单向板的疲劳特性,建立一种具有普遍适用性的三维逐渐累积损伤的疲劳寿命预测方法。该方法可对不同铺层参数、不同几何尺寸以及不同冲击条件下层合板的疲劳寿命进行预测。为了在缺少冲击试验时也能实现受到冲击载荷后层合板的疲劳寿命预测,对层合板在冲击载荷及冲击后疲劳载荷作用下的破坏进行全程分析,将预测得到的冲击损伤状态用于分析冲击后的疲劳寿命。同时基于全程分析的方法,开发了参数化的复合材料层合结构冲击及冲击后疲劳破坏模拟程序。与试验对比,最大误差为7.78%。     

使用三天线的联合定姿和欺骗检测方法

全球卫星导航系统（GNSS）的安全性已经引发了广泛关注。使用多天线的欺骗检测方法由于其独一无二的空间特性,已成为当前最有效的欺骗检测方法之一。提出一种使用三天线的联合定姿和欺骗检测方法,能够在确定天线载体姿态的同时检测出欺骗信号的存在。针对直接定姿法受限于基线向量精度的问题,使用长度约束的基线向量估计方法以获得高精度定姿结果。在姿态信息已知的前提下,根据星历信息、姿态变换矩阵及天线的几何关系可以获得载波相位单差的期望值。使用误差平方和（SSE）来评估载波相位单差观测值和期望值之间的偏差,并构建了欺骗信号的二元检验。结果表明：在无欺骗的情形下,所提方法能降低定姿的标准差76.1%以上;在有欺骗的情形,所提方法能够实现100%检测率,并降低定姿的标准差77.3%以上。     

一种基于相干叠加的复合载波导航信号捕获方法

针对复合载波导航信号多载波结构特征,基于检测性能、运算复杂度、硬件资源占用情况三方面的综合考虑,提出了一套适用于该信号的捕获架构和处理方法。该架构采用PMF-FFT算法对复合载波各子载波进行分别或统一处理,然后利用各子载波频点间隔信息,对信号进行循环移位并相干叠加,以充分利用信号能量进行检测判决。理论分析和仿真实验表明,与传统的卫星导航信号单载波捕获架构相比,该架构在有限的硬件资源和计算能力的情况下获得了较好的检测性能。     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.