再入飞行器复杂结构随机振动响应分析研究

本文用MSC／NASTRAN软件对再入飞行器复杂结构轴向随机振动试验和横向随机振动试验进行了响应分析，并与试验测量结果进行了比较，两者基本相符：加速度响应均方根值预示误差小于30％（轴向随机振动响应分析）和50％（横向随机振动响应分析）。本文采用的飞行器复杂结构随机振动响应分析方法和技术途径得到试验验证。     

机身整体壁板在轴压载荷下后屈曲计算及结构优化

以民机机身组装壁板为基准,设计了等重量的整体壁板结构,并分别建立了两种壁板的有限元模型.通过组装壁板轴压试验结果与非线性、大变形的有限元计算结果比较,对有限元模型进行了验证,两者结果吻合很好.在此基础上,有限元计算分析得出了组装壁板与整体壁板在轴压载荷下的破坏形式与承载能力的差异.结果表明,整体壁板承载能力比现有的组装壁板承载能力提高了18.4%.最后基于有限元模型与二次响应面模型对整体壁板尺寸进行优化,优化后壁板轴压承载能力不变,结构重量减轻了8.7%, 故为整体壁板设计提供了很好的依据.     

月球着陆器着陆性能及多因素影响分析

以某型号月球着陆器铝蜂窝缓冲软着陆腿为对象,研究了月球着陆器月面软着陆性能.采用非线性有限元方法,建立了月壤和着陆腿结构有限元模型,进行了单腿着陆冲击非线性动力学仿真分析,将仿真结果与试验及多刚体系统动力学分析结果比较.文中还研究了月壤模型和主辅支柱结构弹性对月球着陆器着陆性能的影响.结果表明:非线性有限元分析结果与实验结果吻合较好,优于多刚体系统动力学分析结果;着陆腿主支柱的结构弹性对着陆性能影响较大;月壤有限元模型的离散化对分析结果有一定影响.     

面向空域/时域/功能混合模式的目标分组方法

提出了面向空域/时域/功能混合模式的目标分组方法,其结果为任务规划提供了包含空域、时域、功能的目标群体特征.该方法采用标准化方法对属性数据分类和扩展,按照不同类型属性数据分别建立属性差异度,提高了目标分组特征属性的可扩展性,解决了传统属性差异度难以适用于时域及功能属性的问题;在此基础上,综合考虑协同任务对目标分组各项属性的定性/定量要求、阈值约束及重要程度要求,构造了目标综合差异度,解决了某些属性不能直接加权的问题.仿真结果表明该方法能够快速有效地实现满足任务复杂要求的目标分组.     

海南地区电离层闪烁监测及初步统计分析

为开展赤道区的电离层闪烁形态特性及相关物理过程的研究,空间中心海南台站建立了一套GPS电离层闪烁监测系统．该系统是利用Plessey GPS Builder-2系统开发的,对软件的源码进行了修改,使其能以高采样率(50／s)同时并行记录11个通道GPS信号强度数据．对2003年7—12月间L-波段电离层闪烁事件的初步统计分析结果表明,电离层闪烁主要发生在日落后到午夜附近,其中9—11月较7—8月闪烁发生和结束的时间明显提前;电离层闪烁发生的频率和强度在9—11月较其他月份明显增强,其中10月达到最大;电离层闪烁的逐日变化具有很强的随机性,闪烁的发生在秋分附近9月底到10月中旬的磁静日期间达到最大;太阳和地磁活动的增强通常会抑制电离层闪烁的发生,这种情形在秋分附近尤为明显．     

自由涡数值计算的参数影响分析

介绍了自由涡方法中多个参数的影响,包括桨叶离散段数、有弯度翼型的涡网格密度、尾迹的长度.从桨叶根部到桨尖采用分区离散,内段区域离散稀疏,桨尖区域离散细密,根部区域的离散密度对计算结果影响不大,桨尖区域的离散密度对计算结果影响较大;采用涡网格模拟有弯度的翼型,涡网格的密度对计算结果有较大影响,但密度过大对于计算精度提高影响不大.悬停和小速度前飞状态,取9圈自由涡尾迹就能够得到较好的计算结果,爬升和大速度前飞状态下,取7圈自由涡就能够得到足够的计算精度.在上述参数中,自由涡圈数对计算时间的影响最大.      

SMARC变形控制及神经网络建模

在复合材料层板中偏离中性层的位置铺设镍钛形状记忆合金丝,然后通电加热镍钛丝,使其在形状回复过程中产生巨大的回复力,从而使层板结构发生弯曲变形.由于形状记忆合金的非线性以及合成的智能材料结构的应力、应变分布和形状变化规律都非常复杂,尝试引入人工神经网络来建立以可控参量(电流强度)为输入变量、易测参量(稳态挠度)为输出变量的模型,所建模型的预测数据与实验数据之间符合得较好,相对误差小于9%.      

编队飞行队形设计一般化方法

首先 ,在合理的假设条件下 ,基于运动学关系推导了环绕卫星相对参考卫星的相对运动方程 ;然后 ,给出了编队飞行队形设计一般化方法的具体计算公式 ,利用此方法 ,能在参考轨道为圆或椭圆轨道的情况下 ,直接求出编队中所有卫星的轨道参数 ;最后 ,给出了两个编队队形设计的算例     

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.