基于非结构/混合网格的高阶精度DG/FV混合方法研究进展

DG/FV混合方法因其具有紧致、易于推广获得高阶格式及相比同阶精度DG方法计算量、存储量小等优点,自提出以来已成功应用于一维、二维标量方程和Euler/N-S方程的求解。综述了DG/FV混合方法的研究进展,重点介绍了DG/FV混合方法的空间重构算法、针对RANS方程的求解方法、隐式时间离散格式、数值色散耗散及稳定性分析、计算量理论分析,并给出了系列粘性流算例的计算结果,包括用于验证混合方法数值精度的库埃特流,以及方腔流、亚声速剪切层、低速平板湍流、NACA0012翼型湍流绕流等。数值计算结果表明DG/FV混合方法达到了设计的精度阶,且相比同阶DG方法计算量减少约40%,而隐式方法能大幅提高定常流的收敛历程,较显式Runge-Kutta的收敛速度提高1~2个量级。     

拦截高速目标的比例与反比例导引捕获区分析

针对拦截高速目标的作战特点,分析了比例导引(PN)与反比例导引(RPN)的捕获区。首先,通过分析拦截弹与目标的相对运动关系,推导得到了顺轨和逆轨的零控拦截条件,此条件由目标和拦截弹的速度前置角以及二者速度比确定;其次,以拦截弹和目标速度前置角为坐标系,推导得到了PN以及RPN捕获区以及各自导航比设置范围。PN的捕获区由逆轨零控拦截条件以及与其相切且斜率为1/(N-1)的两条直线构成,RPN的捕获区由顺轨零控拦截条件以及与其相切且斜率为1/(-N-1)的两条直线构成;然后,利用函数对称性将PN与RPN捕获区转换到同一坐标区间,得到了相同条件下RPN捕获区要大于PN捕获区的结论;最后,开展了四种情形下的仿真,验证了本文捕获区分析的合理性及有效性。     

天问一号火星探测器产品保证工作实践

分析了火星探测器任务环境复杂、软件自主性高、验证任务重、材料选用控制难等特点,总结了天问一号火星探测器在狠抓风险识别与管控、聚焦软件系统设计源头,严格试验考核,以及严控材料选用及验证等方面采取的主要产品保证工作措施.上述措施有效保证了天问一号火星探测器的产品质量,可为后续火星探测器及其他行星际探测器研制过程的产品保证工作提供借鉴.     

中国月球探测进展(2011-2020年)

回顾2011至2020年10年来中国月球探测的进展,重点介绍嫦娥三号和嫦娥四号任务工程实施情况以及取得的主要科学探测成果,展望中国月球和行星探测的未来发展.     

树脂基导电纳米复合材料电磁屏蔽性能的研究进展

随着5G时代的来临,电磁污染问题日益严重。电磁屏蔽是解决电磁污染的有效方法,已成为人们关注的热点。导电纳米粒子具有优异的导电性及其独特物理特性,其树脂基复合材料可作为轻质高电磁屏蔽效能的电磁屏蔽材料。本文主要介绍了含有导电一维纳米粒子（碳纳米管、银纳米线）和二维纳米粒子（石墨烯、MXenes）的树脂基复合材料在电磁屏蔽性能方面的研究进展,进一步对其发展趋势进行了展望。     

基于多站数据融合的参数精估计方法

针对侦察设备处于星载SAR副瓣照射范围,从而导致截获信号湮没于强噪声背景这个问题,本文提出一种基于多站接收机之间的数据融合方法。在信号形式未知的情况下,通过此方法可以检测出淹没在噪声中的微弱信号,进行信号的分类和时频域参数的精估计。首先,将参考接收机与其他接收机之间进行互相关处理,得到峰值信息,根据峰值信息的位置得到信号与参考信号之间的延迟位置,进行延迟校准;其次,各个接收机分别进行粗步长的分数阶傅里叶变换（Fractional Fourier Transform,FrFT）,记录峰值信息为精估计做准备,根据峰值角度和分数阶傅里叶反变换恢复出原始信号;最后,判定是否存在信号,若信号存在实现多站原始信号功率比的加性融合,根据多站峰值信息限定旋转角度范围,采用精步长的分数阶傅里叶变换估计出调频率和中心频率;利用联合互相关谱实现信号能量的累积,采用自适应门线和边界波谷连续取小方法,找到信号存续状态中的左右边界,估计出带宽和中心频率,计算脉宽,实现时频域信号的精估计。仿真实验表明：该方法可以在低信噪比的高斯白噪声和有色噪声背景下,对线性调频信号（Chirp）的时频参数进行有效的精估计。     

航空发动机管路支撑用钢丝绳隔振器仿真研究

通过钢丝绳材料非线性研究,用弹塑性随动硬化材料模型来描述钢丝绳的本构关系。以有限元理论为基础,建立钢丝绳隔振器的有限元模型,利用有限元分析软件ANSYS进行钢丝绳隔振器的性能仿真。由仿真结果可以看出,钢丝绳隔振器具有强烈的非线性滞迟特性和刚度软化特性,同时具有大阻尼特性,并且在大变形幅值下也能保持较好的阻尼性能。通过与实验研究结果对比,验证了仿真结果的正确性,从而为钢丝绳类干摩擦阻尼隔振器有限元仿真分析奠定了良好的基础。     

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。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。