8mm Dicke辐射计波形仿真研究

采用System view软件对从输入到天线的噪声信号到A/D采样之前的各个模块和辐射计线性度进行了波形的仿真研究,仿真结果和实际相符合,对辐射计的硬件实现提供了很好的指导作用。     

直升机超短波通信链路分析

通过对超短波通信链路的分析,得出直升机超短波通信链路模型;以实现超短波电台通信距离要求为目标,分析通信链路中影响通信距离的各因素及其影响程度,并根据直升机实际情况,对机上配置多部超短波电台及与其他机载设备的电磁兼容性方面提出改善建议。     

直升机风险科目“斜坡起降”驾驶要领探讨

直升机在执行“紧急救援”和“抗震救灾”等特殊任务过程中往往不得已要进行风险科目“斜坡起降”。在这种情况下，操作上稍有不慎就会酿成重大事故，有的新机型在进行“斜坡起降”这一科目试验时甚至请国外飞行员来完成这项工作。文章就直升机“仰坡起降”、“顺坡起降”、“左横坡起降”和“右横坡起降”的操作要领作几点阐述，供飞行试验工程技术人员和飞行人员参考。     

基于供应链的战略采购模式下供应商选择研究

以某汽车制造企业为研究对象，在该企业战略采购流程下的供应商开发流程基础上，利用多色集合理论对供应商进行初选，然后对供应商进一步进行评价，最后根据供应商评价结果，进行供应商级别调整和供货配比。该案例分析在多色集合的理论应用于实际方面做出了有益的探索，为企业信息化管理中实施战略采购提供了有效的方法。     

改进的粒子群算法求解飞机位姿评估问题

在飞机装配中,要求调姿基准点距离误差和最小以及各点距离误差满足容差条件。以往的飞机位姿评估算法注重距离误差和最小,可能出现调姿基准点的距离误差不满足容差约束的情况。为了求解在满足容差约束条件下的距离误差和最小的飞机位姿参数,提出一种新的优化模型,将带容差约束转化为带惩罚函数,与距离误差和一同作为优化目标,采用求解约束优化问题的粒子群算法进行求解。在上述算法上进一步改进,通过动态改变约束参数来加强约束条件,可以通过迭代方式进一步减小飞机调姿基准点最大距离误差。仿真算例和蒙特卡洛分析证明,求解约束优化的粒子群算法和改进的粒子群算法在求解飞机位姿评估问题时,求解得到的调姿测量点最大误差小于奇异值分解法。     

工业CT检测技术在5 kN发动机研制中的应用

针对5 kN发动机结构焊缝和复合材料喷管不可检不可测的难题,开展了工业CT检测技术研究。分析了复杂结构焊缝和复合材料喷管的常规方法检测难点,利用工业CT检测技术穿透能力强、不受工件复杂结构影响的优势,对5 kN发动机产品中的电子束焊缝、氩弧焊焊缝、复合材料喷管等结构进行了检测试验,得到了良好的检测效果。结果表明,工业CT检测技术可以识别5 kN发动机产品中的气孔、未焊透、分层、裂纹等缺陷,并实现对缺陷的定位与测量,可为焊缝质量评估提供依据。     

小型固定翼无人机集群综述和未来发展综述

围绕小型固定翼无人机集群这一难度高、发展快、应用前景广阔、多学科交叉的新方向,从集群系统内涵、现有典型项目、关键技术3个角度综述了国内外小型固定翼无人机集群的研究现状。在系统梳理集群系统内涵和应用优势的基础上,从集群协同模式探索、分布指挥体系构建、核心关键技术突破和集群验证等4个视角总结现有典型项目,从体系架构、通信组网、决策与规划、飞机平台、集群飞行、集群安全与集群指控等7个核心点综述了技术研究现状。最后,综合小型固定翼无人机集群中亟需解决的关键技术,展望了这一领域未来的发展趋势。     

基于GARCH族优选模型的舰船器材消耗预测

器材消耗量预测是做好技术保障工作的前提和基础,受设备生命周期、任务类型、海洋环境及使用设备人员的技能水平等因素的影响,舰船器材消耗量序列会随着时间的推移而产生波动现象,丛集效应和高峰厚尾特征明显。根据 AIC(A-Information Criterion)准则,对 GARCH(Generalized Autoregressive Conditional Heteroscedasticity)族模型进行比较优选,寻求一种更为合适的预测模型,实现对消耗量的准确预测。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。