汽车覆盖件模具设计方法研究

针对汽车覆盖件模具设计特点,应用特征参数化设计和特征组优化装配技术进行覆盖件拉延模型面设计,借助板料成形数值模拟方法验证了拉延模型面设计的合理性,最后以拉延模型面三维数学模型为设计依据,进行面向装配、自顶向下的模具结构建模,并实现了覆盖件模具结构的基于实例的设计。     

采用LDPC码方案的战术数据链系统

战术数据链系统能够提高部队信息化作战能力,其中信道编码技术是保证消息传输可靠性的关键技术之一.构建了一种新的战术数据链系统,系统采用低密度奇偶校验(LDPC,Low-Density Parity-Check)码方案,LDPC码是适用于传输可靠性要求高的通信系统的新型码组.介绍了LDPC码方案中的和积算法,描述了系统的传输模型,分析了系统在固定频率和加性白色高斯噪声(AWGN,Additive White Gaussian Noise)信道条件下的链路性能.利用计算机进行蒙特卡罗仿真,结果表明:在AWGN信道和瑞利衰落信道下,LDPC编码方案可以有效地降低数据链系统的误比特率,取得比采用里德·所罗门编码的联合战术信息分发系统更好的误码性能.LDPC码作为信道编码技术的备选码组,为进一步提高战术数据链的可靠性提供了一种解决方案.      

基于遗传算法的低比转速高速泵优化设计

针对低比转速高速离心泵在理论设计和实际应用中存在的三个主要问题,即扬程流量特性曲线易出现正斜率上升段、汽蚀性能差和效率低的问题,提出了利用自适应遗传算法求解低比转速高速离心泵优化模型的方法。数值试验表明,自适应遗传算法在求解复杂最优化问题时具有广泛的适应性和良好的精度,可将其应用于某低比转速高速离心泵的优化设计中。试验研究表明,该泵取得了良好的性能指标,达到了优化设计的目的。     

浅析基于工作包产品类别的供应商适航管理

介绍了适航规章关于设计保证系统及供应商适航管理的要求,从设计保证系统的角度,分析了民机研制过程,从设计需求捕获与确认、设计结果确定与验证到产品集成与验证中主制造商与供应商的交互关系。在此基础上,依据供应商承担工作的工作性质,阐述了适航管理对供应商的管理要求,提出了基于供应商所承接工作包产品类别的供应商适航管理模式。该模式解决了国内民机主制造商现有型号研制中对供应商的适航管理困难,构建了有效的设计保证系统,有助于型号研制的顺利推进。     

一种基于身份的移动自组网认证机制

针对移动自组网无公钥基础设施的特点,采用基于身份的密码学算法、分布式秘密共享算法和椭圆曲线加密算法,实现安全高效的移动节点认证.简单讨论基于身份的数字签名算法;介绍如何使用Lagrange插值公式,实现分布式的系统主密钥;然后给出节点密钥安全分发的模型,并在此模型的基础上,基于椭圆曲线加密算法实现安全的分布式节点密钥签发;给出算法安全性和效率分析;根据双线性对的特点,讨论会话密钥的产生和更新.给出的认证方法,具有分布式实现和安全高效的特点,同时可以非交互式产生一次性会话密钥,适用于分布式移动网络环境.      

高速复合叶轮离心泵多相位定常流动数值模拟

对一高速复合叶轮离心泵在设计工况进行了多相位定常流动数值模拟,分析了由于叶轮与蜗壳相对位置的变化引起的离心泵的速度场、压力场、扬程系数和效率的变化规律。计算表明,高速复合叶轮离心泵内流场非常复杂,叶轮流道在不同位置的流动情况差别较大,而扬程系数呈周期性变化。该计算为进一步提高高速复合叶轮离心泵的性能、减少水力损失提供了一定的理论依据。     

HPRF-PD体制引信的回波仿真与多普勒频率提取

引信要依据弹目交会状态精确控制炸点,就需要从目标回波中获取信息。利用多普勒频率控制起爆就是方法之一。文中采用简化的目标多点散射模型对引信接收的回波信号进行数字仿真,并基于HPRF波形保证目标多普勒频率不模糊的检测原理,对多普勒信号采用FFT处理法进行频谱处理,在频域提取有效多普勒频率。仿真最终结果给出了多普勒频率随时间变化的曲线。     

补燃循环先进上面级过氧化氢/煤油涡轮泵研制

过氧化氢/煤油涡轮泵用于35 kN补燃循环先进上面级发动机,由过氧化氢泵、煤油泵和涡轮组成,采用涡轮偏置的单轴布局结构.过氧化氢泵为典型的带诱导轮离心泵形式.基于超低比转速及转子动力学方面的考虑,煤油泵采用了部分流泵形式.为了解决轴向力平衡问题并获得较高的效率,涡轮采用了低压比小反力度方案.通过材料与工作介质的相容性研究,总结了一整套可操作性强的过氧化氢泵零件相容性评价准则、选材以及零件钝化处理工艺等技术.对涡轮泵联试和发动机热试车情况进行了分析,并提出了后续研究的重点方向.     

国外固体火箭发动机无烟少烟包覆,绝热材料研究概况及发展

本文概述了国外固体火箭发动机无烟少烟包覆、绝热材料的现状,介绍了无烟、少烟包覆、绝热材料实现的可行途径,并对现有少烟包覆、绝热材料的性能进行了评价。     

基于深度学习目标识别的航天员训练场景理解技术

增强现实(AR)是航天员训练的有效途径,其关键技术是场景重建与空间定位。针对当前AR设备只能进行场景空间静态识别,无法感知目标动态变化的问题,提出了深度学习与AR技术相结合的目标识别与位姿估计方法。采用YOLO v5神经网络实现了小训练样本量的操作目标识别,结合深度信息实现了目标点云分割,与目标CAD模型点云进行ICP匹配后估计出目标的三维空间位姿,从而在AR显示空间中实现目标的动态定位与虚实融合。结果表明：YOLO v5的识别平均精度可以达到0.995,虚实结构可以准确叠加。该方法可有效提高AR设备的场景理解能力,扩展航天员AR训练手段。