月面巡视器太阳能帆板功率衰减特性研究

太阳能帆板的功率衰减特性分析,对地外天体表面探测器的功率平衡、电源系统健康管理以及长寿命在轨管理有重要意义。通过对月面巡视器在轨运行第2到11月昼的电流遥测进行研究,提出了一种基于有限遥测的太阳能帆板功率衰减特性分析方法。首先利用一种滞环的方法对大量的电流遥测进行数据处理;然后进行日月距离和太阳入射角的归一化,通过数据拟合计算,得出落月第一年太阳能帆板功率衰减约为2.5%,并利用巡视器历次月昼唤醒时刻的太阳入射角变化情况验证了该方法的有效性,对地外天体的太阳能帆板功率衰减特性计算提供一定参考。     

基于ANSYS的薄壁件反重力铸造充填形态的数值模拟

介绍了CFD的基本原理以及有限体积法的概念,采用ANSYS 6.0进行网格划分和控制方程的计算,模拟了不同壁厚、不同充型速度下薄板铸件的反重力充型形态,得出了壁厚,充型速度对充型形态的影响规律。     

基于湿热环境下的碳纤维复合材料力学性能研究及老化寿命预测

对T700/TDE-86碳纤维复合材料开展人工加速湿热老化试验,通过对比分析复合材料老化前后剖面形貌和物理化学特性,探讨了复合材料的吸湿扩散行为,研究了复合材料力学性能演变规律;并构建剩余强度计算模型,结合环境系数预测了湿热环境下复合材料的老化寿命。结果表明：复合材料吸湿率随老化时间延长而逐渐增大直至趋于平缓,符合Fick扩散定律;相对于未进行湿热老化的复合材料,经60℃、95%RH湿热环境老化后的复合材料各力学性能均有所下降,其中剪切强度最为严重,老化64 d后其强度下降率高达25%;基于剩余强度与环境系数预估的T700/TDE-86碳纤维复合材料寿命期限约为30年,为树脂基复合材料未来服役可靠性奠定了基础。     

充分发挥思想政治教育课程的作用

要提高大学生思想政治教育的实效性,就要使大学生思想政治教育回归真实社会生活,思想政治教育只有着眼于大学生成长成才需要,才能更充分地实现学生主体性与教育导向性的有机统一,使学生自我发展与社会进步有机统一。分析思想政治教育课程的特点,提出如何运用思想政治教育课程优势,更好的发挥思想政治教育的途径与对策。     

分布类型分析的计算机仿真

通过对直方图法、残存比率法、线性回归法等可靠性数学模型的分析、比较,并加以结合,实现了依靠计算机仿真计算,用多种方法对样本分布类型的分析,验证了计算机仿真技术进行分布类型分析的可行性。     

某型导弹发射转台有限元分析及改进研究

对某一大型发射转台,基于有限元基本理论,应用MSC. Nastran/Patran软件对发射转台的整体结构进行了结构的静力分析与动力分析,并针对该大型复杂结构变形较大的局部进行了改进设计,对于进一步优化发射转台的结构设计具有重要的参考意义。     

微型定容多次燃油喷射系统高速响应特性仿真

针对小排量发动机转速范围大、工作循环喷油量小的特点,提出了一种微型定容多次燃油喷射系统结构,建立了系统电、磁、液、机耦合模型,仿真计算了从输入电压到喷射输出的动态响应特性,分析了影响系统高速特性的关键因素.结果表明:该喷射系统响应频率可达到1000Hz,响应时间可以满足小排量发动机最高转速要求,具备工程可实现性.      

基于有寿件调控的战机海域巡航装备保障规划

从战机海上方向高强度巡航问题出发,有寿件物资调控直接影响着战机的完好率,制约着战巡任务有效执行。通过构建数学规划模型,优化制定了战机出动保障方案、有寿控件梯次合理配置,并重点介绍了关联因素约束的方法过程、目标函数优化的具体思想,通过遗传算法求解非线性规划。在模型中建立了可实施靶向性求解方案的0-1开关函数,记录了战机出航、巡逻信息的精确时间和任务架次,实现机场内部保障的最佳均衡状态,确保战机巡逻的高效巡航运用。     

基于光纤F-P可调谐滤波器的有害气体检测方法

光谱分析法在气体成分监测领域有着广泛的应用,实现小型紧凑高分辨率的光谱测量装置是热门的研究课题。文章创造性的提出了基于光纤法布里-帕罗（F—P）的可调谐滤波器提高吸收光谱分辨率,为构建紧凑高分辨率的光谱仪提供了一种新的方案。基于光纤F-P的可调谐滤波器成功实现了微型光栅光谱仪（分辨率约1nm）对甲烷吸收光谱的测量,对比无光纤F—P可调谐滤波器直接测量的结果,该方法测得的吸收光谱强度至少提高了一个数量级。此研究成果可用于紧凑高分辨率的星载气体检测仪的研制。     

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。