叶片反扭对跨声速大涵道比风扇性能的影响

使用基于流固耦合算法的叶片反扭程序,考虑了非定常气动力对叶片变形的非线性作用,研究了叶片反扭对跨声速大涵道比风扇性能的影响.以冷态叶型为起点,先计算离心力作用下的叶片变形,在此基础上使用流固耦合程序获得非定常气动力作用下的变形.考察了3个转速下叶片的动态变形对大涵道比风扇气动性能的影响.结果表明:在跨声速工况下,叶片表面激波位置的变化对叶片反扭角有很大作用,在考察的转速范围内,堵塞点使用设计叶型计算的流量大于动态叶型下的流量,数值达7%,将导致发动机起飞推力小于预测值.结果表明在大涵道比风扇设计阶段,预测气动性能使用准确叶型的重要性.      

不同进口截面下液力透平非定常压力脉动计算

为了研究不同进口截面对液力透平内压力脉动的影响,利用CFX软件对一单级液力透平进行非定常数值计算,通过设置监测点,计算各监测点在不同进口截面下的压力脉动,通过快速傅里叶变换将其压力脉动计算结果做相应分析,分析各监测点处压力脉动的时域和频域分布.结果表明:蜗壳内在大蜗壳进口下,随着蜗壳进口直径的增加,每个监测点处的压力逐渐增加,而在小蜗壳进口下,每个监测点处的压力逐渐减小.在距离蜗壳收缩管较远处,大蜗壳进口下的压力脉动较小,而在距离收缩管较近处,小蜗壳进口下的压力脉动较小.在叶轮内不同进口截面压力脉动的差异在同一时刻从进口到出口逐渐减小.尾水管内在小蜗壳进口下尾水管进口处的压力脉动最大.      

基于压缩量偏差约束的整体叶盘砂布轮数控抛光路径规划

数控抛光是实现整体叶盘叶片表面光整加工自动化、高效化的关键技术,而抛光路径规划对表面质量有着显著的影响。在抛光曲面时,砂布轮沿接触曲线上的径向压缩量偏差导致材料去除量一致性较差。针对该问题,提出一种基于压缩量偏差约束的路径规划方法。通过对砂布轮受曲面挤压变形几何分析,建立了自由曲面抛光接触线上砂布轮压缩变形量分布模型。在给定刀触点处,以接触曲线上最大压缩量偏差最小化为评价指标构建了刀轴矢量优化模型,并利用改进的粒子群优化（PSO）算法进行求解。基于最优刀轴矢量,完成自由曲面上等参数相邻刀触轨迹曲线的计算。最后,通过数据对比和试验,验证了所提方法的正确性和有效性。结果表明,抛光区域的轮廓度、粗糙度均得到明显的改善。     

基于有限元的超精密空气静压主轴最佳综合刚度设计

超精密空气主轴的刚度是超精密主轴的一个非常重要的指标,轴承的结构形式、气膜结构参数均对刚度指标有影响.本文通过工程计算得到气膜刚度等参数后,在特定空间尺寸和重量的限制条件下,基于有限元进行Nanosys-600F五轴超精密机床的气浮主轴(C轴)机械结构设计,通过多次分析,得到了气浮主轴(C轴)最佳综合刚度结构参数.     

基于权重的层次矢量量化体压缩算法及其在空间环境中的应用

空间环境数据可视化是空间环境预报和服务的重要手段.目前基于矢量量化的压缩体绘制算法均只考虑了数据特点和压缩效果,并未结合具体应用需求.为适应空间环境体数据可视化具体应用需求,提出了一种应用驱动的压缩体绘制算法—-基于权重的层次矢量量化算法(WHVQ).算法将体数据划分为43的数据块,并为数据块设置权重,重点关注区域的数...     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域,基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储,难以在无人机等嵌入式平台上进行部署。针对此问题,将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中,并提出了一种可充分利用硬件计算资源的FPGA加速器,其整体平均性能为65.6GOPS。与其他相关工作的对比表明,低比特量化方法及其FPGA加速器实现,可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。