航空结构用环氧树脂基复合材料增韧技术的工艺研究

采用“离位”增韧技术对NY9200G／T300环氧树脂体系复合材料进行增韧,通过试验,将其与增韧前性能进行比较,结果表明：经过“离位”技术增韧,在基本保持NY9200G／T300复合材料力学性能和工艺性能的同时,大幅度地提高了该复合材料的韧性。     

多维驱动微型振动平台的研制

一种以压电元件为驱动源,结合柔性铰链机构的微型振动平台,通过计算机设计控制电压波形,对其进行三维振动控制.通过实验证明,该机构具有良好的波形跟踪性能,易于实现复杂控制波形,适用于微型机械的动态性能测试.     

设计敏度在气动弹性遗传优化中的应用

利用遗传算法和遗传/敏度混合优化算法对某复合材料机翼进行气动弹性优化设计研究,并提出在使用这两种算法时根据设计敏度信息计算设计变量的重要性指标、从而确定主要和次要设计变量、进而调整设计变量变化域的方法,以提高算法的寻优效率.研究表明:设计变量变化域的定义直接影响遗传算法和遗传/敏度混合优化算法的寻优效率,特别是单独使用遗传算法时影响程度更大;定义时应该在确保设计空间包含足够的优秀可行解的前提下,尽可能地缩减搜索空间.所提出的基于设计敏度调整设计变量变化域的方法在实际应用中能取得较好的效果:该方法既能明显提高遗传算法和遗传/敏度混合优化算法的搜索效率,又能显著增强两种算法辨识可行域的能力.      

基于KBE的飞机板金件工艺性审查系统

由于板金零件的可成形性取决于多方面的因素,板金零件成形的工艺性审查也就显得十分复杂,工艺审查的合理性和准确性往往成为飞机设计和制造的矛盾焦点.通过分析当前我国飞机板金零件工艺性审查的现状,提出了在工艺性审查中利用基于知识的(KBE,Knowledge Based Engineering)技术的必要性.分析了利用后台数据库及知识库创建工艺性审查系统的总体结构和实现方案,并对系统创建中的关键技术及解决方法进行了研究.通过实例验证了该系统的功能及可靠性.      

基于小波包和Elman神经网络的液压泵故障诊断

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点,及 传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了 一种将小波包变换和改进Elman神经网络相结合,进行液压泵故障诊断的新方法.利用具有 紧支结构的小波函数对信号进行分解,削减小波系数以滤除信号中的噪声;单支重构以有效 提取各频带的故障特征,并以频带能量作为识别故障的特征向量;应用改进的Elman神经网 络建立从特征向量到故障模式之间的映射,实现液压泵故障分类.试验结果表明,采用小波 包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断.      

舵机反操纵负载台设计

反操纵气动力加载设备,技术关键在于加载强度大,对称性与线性度要求高,加载元件小巧.通过引用机器人的平衡技术,解决了上述技术关键.设计出了我国第一台模拟舵机反操纵加载的试验台.      

基于概念聚类的用户兴趣建模方法

Internet资源的指数级增长促进了个性化服务的发展.针对传统的用户兴趣建模方法在准确率和增量处理能力方面的不足,提出了一种新的基于概念聚类的用户兴趣建模方法UIM2C2(User Interest Modeling Method based on Conceptual Clustering).该方法首先通过分析用户访问的历史文档构造后缀树结构,然后选择不同的相似度阈值,以不同的粒度合并基本簇.依据不同阈值条件下合并的基本簇之间的包含关系,生成用户的兴趣层次.UIM2C2方法是针对文档的一个增量式、无监督的概念学习方法,因此用户描述文件可以轻易的获取和更新.最后,通过数据集20NewsGroup上的实验验证了UIM2C2方法在兴趣预测方面的有效性.     

基于GRNN网络和遗传算法的旋翼动平衡调整

针对传统旋翼调整方法没有考虑调整参数与振动信号之间的非线性关系,提出一种结合广义回归神经网络GRNN(General Regression Neural Network)和遗传算法的旋翼调整方法,采用GRNN建立旋翼动平衡调整模型,以桨叶调整参数作为GRNN输入,以旋翼转轴3个方向的加速度测量值和机身3个方向加速度测量值作为网络输出,建立调整参数与直升机振动信号之间的模型.以直升机振动作为目标函数,采用改进的遗传算法对桨叶调整参数进行寻优,获得直升机振动最小时的桨叶的调整量.飞行实验表明,通过1到2次飞行调整,可使3个方向机身振动(旋翼的一阶振动)为最小,完成旋翼的动平衡调整.      

Two-Way-Coupling Method for Rapid Aerothermoelastic Analyses of Hypersonic Wings

Several types of coupling methods for resolving aerothermoelastic problems associated with hypersonic wings are summarized,and the appropriate coupling methods for engineering calculations are selected.Then,the calculation and analysis methods for the subdisciplines in this field are introduced,and the time step issue is discussed.A two-way-coupling rapid static aerothermoelastic method for analyzing hypersonic wings is proposed.This method considers thermal effects and is used to conduct an aerothermoelastic response analysis for a hypersonic wing.In addition,the aerodynamic force,heat flux,structural deformation and temperature field are obtained.The following three conclusions are drawn.First,the heating effect has a significant impact on the static aeroelastic response of hypersonic wings;therefore,thermal protection shields are essential.Second,the application of thermal protection shields reduces the differences in the calculation results between the one-and two-way-coupling methods.Third,hypersonic wings exhibit large thermal deformation under high-temperature environments,and in certain cases,the thermal deformation is even larger than the deformation caused by aerodynamic force.     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。