使用深度残差网络的乘波体气动性能预测

本文探究深度学习人工智能技术在飞行器气动外形预测中的应用。以激波装配法乘波体设计为背景,建立气动数据快速生成工具,使用拉丁超立方采样得到海量样本数据。使用深度残差神经网络构建气动外形参数到气动性能数据的代理模型,并与随机森林和双隐层神经网络等普通机器学习模型对比;同时将数据转换为图片,研究基于图片识别的深度学习模型搭建,省略飞行器外形的参数化表达。测试结果说明,深度残差网络作为数据代理模型的精度是随机森林和双隐层神经网络的3倍以上,而基于图片识别的代理模型精度提高有限。研究表明,深度残差网络在乘波体等易于生成大量数据的气动外形的性能预测中效果明显,为深度学习技术在气动外形设计中的应用奠定了基础。     

石墨烯/环氧树脂多功能复合材料研究进展

主要介绍石墨烯改性环氧树脂复合材料力学、热学、电学性能的研究进展,以及石墨烯在碳纤维/环氧树脂功能型复合材料中的应用,并展望结构-功能一体化石墨烯改性复合材料在航天领域的应用前景。     

进口不重合和轴对称造型对跨声速涡轮叶栅端壁传热特性的影响

为有效评估实际燃气涡轮叶栅进口端壁不重合和轴对称收敛端壁造型对叶栅端壁传热特性的影响,以某工业燃气涡轮第一级跨声速导向叶栅为研究对象,基于商用CFD软件ANSYS Fluent 15.0,研究了3种端壁结构:简化平板端壁、具有子午面轴对称收敛造型的实际涡轮叶栅外端壁(叶顶)和内端壁(叶根)在设计工况(进口湍流强度为16%,出口马赫数为0.85)下的流动和传热特性。计算分析了2种进口端壁不重合度(进口后向台阶高度为0、 6.78 mm)下,3种叶栅端壁结构的端壁热负荷分布、近端壁二次流结构和后台阶涡系发展。结果表明:轴对称收敛端壁造型和进口端壁不重合均会显著改变叶栅端壁二次流结构和热负荷分布规律;轴对称收敛端壁造型可在一定程度上减小端壁热负荷,尤其是叶片前缘肩部和喉部下游等易发生热腐蚀的冷却气膜难以覆盖区域;燃气涡轮实际运行中产生的进口端壁不重合导致叶栅前缘上游典型高传热区面积和强度(增大约140%)显著增大并向叶栅通道内迁移,使叶栅端壁承受着极高热负荷;实际燃气涡轮第一级导向叶栅端壁冷却方案设计必须充分考虑实际端壁造型结构和燃烧室-涡轮交界面端壁不重合对端壁热负荷分布的影响。      

基于反馈的振荡器注频锁相研究

注频锁相技术是非线性有源阵列天线的关键技术之一,论文提出了一种带反馈的振荡器注频锁相闭环结构。与开环结构相比,该电路能够提高锁频带宽,可用来构成非线性有源天线阵。仿真结果表明该电路相噪低,具有更宽的锁相带宽。     

空间电子产品电绝缘试验技术研究

空间电子产品的电绝缘性能构成了航天器电信号传输和作用的边界,需要在航天器的研制流程中进行试验验证。文章针对部件级以上电绝缘试验选择和设计实施过程中需要解决的关键性问题,从环境及效应分析入手,介绍了电绝缘试验项目的选择原则、试验参数的裁剪方法,分类给出了不同的电绝缘试验系统,并就放电测试的关键性问题进行了讨论,以期为设计和工艺工程师规划和实施电绝缘试验提供参考。     

航天复杂产品智能化装配技术应用研究

针对航天复杂产品多品种、小批量的特点,提出了一种基于搬运机器人与柔性功能点的智能化装配生产模式,通过工位功能的柔性集成技术实现设备动态重用与装配工艺兼容。同时,以空气舵为应用验证对象,进行空气舵智能化装配技术研究。结果表明,通过工业机器人、柔性工装及末端执行器协作能够实现空气舵装配所需的复杂装配路径,基于视觉识别技术进行的精度补偿和装配结果确认能有效保证产品质量,为航天复杂产品装配生产提供了新型解决方案。     

滚动轴承振动的灰自助动态评估与诊断

以灰预报和自助再抽样方法为基础, 提出灰自助动态评估与诊断模型, 以评估和改进滚动轴承的振动.该模型用动态不确定度、估计区间、估计真值、平均不确定度、平均真值和系统误差测度等6个参数, 描述滚动轴承振动的基本特征.对HKRB轴承的试验表明, 该模型对随机误差的概率分布与系统误差的类型没有任何要求, 在平均不确定度为最小的条件下分离出系统误差.评估的可信度达到100%.根据灰自助动态评估结果, 还诊断出影响轴承振动的误差特征, 揭示了来自轴承零件制造的误差根源, 为实施滚动轴承振动的生产过程控制奠定了基础.      

两相流环缝塞式喷管设计方法

 在常滞后两相流假设下,提出改进的Angelino理想型面法和改进的“二次曲线+三次曲线”造型法设计两相流环缝塞式喷管;计算了这两种改进方法设计的塞式喷管性能。算例表明:在两相流条件下与未考虑两相流效应的气相理想方法设计的型面相比,改进的Angelino法设计的型面长度缩短近33%,推力增大约1%;改进的“二次曲线+三次曲线”造型法设计的型面长度减小近6%,性能提高约4%。     

灰色神经网络在齿轮箱故障识别中的应用

将灰色系统理论与神经网络相结合提出了灰色神经网络这一新的故障识别方法，将此种方法应用在齿轮箱的故障识别中，结果表明：采用灰色神经网络能够识别出来，不同工作状态下的各种故障类型，其识别的可靠性还有待于进一步提高。     

单晶硅各向异性力学性能纳米压痕实验研究

应用纳米原位压痕仪对单晶硅(100),(110),(111)晶面进行纳米压痕实验,对材料的弹性模量和硬度进行考察。实验结果表明:单晶硅(111)晶面相对于其它两个晶面具有较小的弹性模量和硬度值。通过单晶硅不同晶面原子结构分析,认为晶面原子层的间距分布差异是各晶面弹性模量差异的主要原因。