基于轨道参数和SAR回波数据的多普勒调频率快速估计

多普勒调频率是SAR方位向压缩的关键参数之一. 调频率的失配会带来严重的方位向散焦, 从而影响成像质量. 基于减灾、防灾目的, 需要对SAR数据快速成像, 从而相应要求对多普勒调频率进行快速估计处理. 根据多普勒调频率快速估计需求, 提出了一种基于轨道参数法和Map Drift算法估计多普勒调频率的综合反演算法, 利用多普勒调频率与距离的关系, 简化整个估计流程, 从而提高估计速度. 同时给出了一种块数据筛选的方法, 用于选择综合反演法中所采用的块数据. 实验结果表明, 综合反演法能够在满足成像质量要求的基础上, 快速估计出多普勒调频率.      

旋转机械振动诊断技术展望

 本文简要地论述了机械设备故障振动诊断的理论基础,进而基于理论上的分析及作者个人的经验,对旋转机械故障振动诊断的前景作了评述,提出了若干建议。     

面向微波电力传输的低成本易部署柔性接收天线阵

文章提出了一种用于微波电力传输(MPT)系统的柔性能量接收天线阵列,具有面积大、成本低、易部署的特点。由于能量接收器表面通常为不平整状态,因此,传统刚性材质天线无法完成共形共面制备。为了适应各种外型的运用场景,文章采用柔性材料设计天线,其介质基板和辐射导体分别基于聚酰亚胺和新型液态金属镓铟合金（其中镓的占比为75.5％,铟的占比为245％）。由于MPT应用场景非常复杂多变,故对便携性提出要求。采用折叠/充气展开技术进行结构设计,以实现接收天线阵列收放的便捷性。使用三维电磁场仿真软件（CST）对设计的柔性接收天线从单元到阵列进行仿真,天线工作频点为58GHz。最大捕获效率超过55％,并且在弯曲工况下捕获效率超过35％。仿真结果证明了文章工作的有效性和正确性。     

纳米级SiCp/6066Al复合材料的制备与力学性能的研究

采用粉末冶金方法制备了纳米SiCp增强铝基复合材料，研究了增强相尺寸对铝基复合材料性能的影响。结果表明：体积分数为1％的纳米级SiCp／6066Al复合材料的强度与体积分数为12％、尺寸为7μm的SiCp／6066Al复合材料的强度相当，并且前者的塑性高于后者。     

振动诊断的理论基础

本文是“整机振动规范及信号分析技术研究”、“发动机台架振动监视预研”两个课题的总结。本文着重分析振动诊断的理论基础,从理论上总结研究中的经验。     

Ti-15-3钛合金的超塑性

Ti-15-3(Ti-15V-3Cr-3Sn-3Al)合金是一种在航空航天工业领域具有广泛应用前景的亚稳定β型钛合金。本文介绍了Ti-15-3合金的性能特点和应用,总结和评价了固溶态、热轧态和冷轧态Ti-15-3合金超塑性研究的进展情况。针对已取得的成果和研究中存在的问题,对Ti-15-3合金超塑性的进一步研究提出了一些看法并作了展望。     

基于残余应力重分布的导轨梁加工变形仿真与变形控制工艺方案研究

为解决大型薄壁铸件导轨梁在材料去除过程中因残余应力的释放与重分布导致变形超差的工艺难题,对导轨梁零件加工工艺进行分析,实现零件模型的简化与子结构分割;同时开展零件毛坯表面残余应力测量,成功建立零件毛坯初始应力模型。在此基础上结合实际加工工艺开展零件加工有限元仿真,模拟加工过程中由于材料去除引起的残余应力释放,预测了加工过程中残余应力重分布规律和加工变形情况。总结了零件加工变形的有限元仿真结果,提出抑制零件加工变形的工艺方案。经验证,改进后的工艺顺序使零件最大变形量由0.485 mm降至0.081 mm,降低83.3%,避免了零件在加工过程中的尺寸超差。同时该平面作为后续加工的基准,保证了后续加工的精度,为生产工艺优化提供了有效的理论依据。     

基于MHSA和C- BiGRU的航班延误预测研究

针对普通神经网络预测人为因素造成的航班延误能力不足的问题,提出了一种基于多头自注意力机制和卷积双向门控循环单元的预测模型(MHSA-C-BiGRU)对航班延误问题进行研究。模型采用卷积双向门控循环单元(C-BiGRU)提取局部信息和上下游数据的时序信息,利用多头自注意力机制(MHSA)的并行能力从不同位置提取数据内部之间的特征,强化重要信息的权值,使模型聚焦到对当前任务更重要的信息,从而增强模型分析人为因素造成的航班延误的能力。研究使用2018年上海浦东机场的航班数据和气象数据。结果表明,预测模型相对于基础模型的预测准确率提高了4.4%,各项宏平均值有8%的提高,各项权重平均值有5%的提高。     

基于集合经验模态分解和小波阈值的真空泵振动信号降噪方法

真空泵的振动信号具有非平稳、非线性的特性,且夹杂着大量背景噪声,难以直接对其特征信号进行提取、分析,阻碍对真空泵的在线故障诊断。为此,文章提出基于集合经验模态分解(EEMD)的真空泵振动信号小波阈值降噪方法:首先将振动信号进行EEMD分解,得到若干个本征模态函数(IMF)与余项,然后引入归一化自相关函数对IMF分量进行筛选,再对筛选出的IMF分量进行小波阈值降噪处理,最后将降噪后的IMF分量与未处理的IMF分量和余项进行重构,得到降噪后的真空泵振动信号。对仿真与实验信号进行降噪处理的结果表明该方法优于现有的降噪方法,为真空泵振动信号的降噪提供了新的途径。