RTM工艺数值模拟技术研究进展

阐述了几种RTM工艺树脂浸润过程的模拟模型，同时介绍了数值模拟方法和数值模拟软件用于RTM工艺研究的进展和应用情况。     

汽油/空气两相脉冲爆震发动机触发爆震的研究

有效的触发爆震波是脉冲爆震发动机正常工作的关键所在。为了在多循环两相脉冲爆震发动机的缓燃到爆震转变过程中,有效的控制激波反射,成功的触发爆震。通过在爆震室内合理的排放障碍物来促进激波与火焰的相互作用,组织激波反射,适时的触发爆震,从而有效地缩短促发爆震的距离,并最终获得充分发展的爆震波。试验发现爆震管内同样的障碍物在不同的位置起到的作用不同。在直径58 mm,长度1275 mm的汽油/空气PDE爆震管内成功触发频率为50 Hz的爆震。      

基于试验数据识别的金属橡胶有限元仿真方法

金属橡胶工程应用分析常需要1种可以与商用有限元软件相结合,适用于复杂结构设计的快捷数值仿真方法。针对金属橡胶的有限元仿真问题,基于ANSYS软件,发展了基于试验数据识别的横向各向同性材料参数确定方法,并采用循环加载、模型更新的方法,实现了金属橡胶材料受压过程非线性力学特性的仿真计算。结果表明:该方法对立方体件在无约束状态下受压过程进行模拟时,相对误差在10%之内;安装约束使其刚度增大,仿真与试验结果相比规律吻合,刚度的误差在30%之内;环形金属橡胶件在径向受压时,仿真与试验测得刚度的相对误差在25%之内。     

单兵导航多传感器信息融合自适应滤波算法

基于足绑式INS的单兵导航系统,通过将惯性导航系统、人体运动学约束、磁强计等多传感器信息进行融合得到准确的单兵导航信息。对于匀速步行时的单兵导航,可采用普通Kalman滤波算法进行多传感器信息融合,但不能满足跑步等激烈运动模式下单兵导航需求。提出衰减记忆新息自适应Kalman滤波算法,可满足多步态模式下的单兵导航多源信息融合的需求,实验结果验证了算法的有效性。     

基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

针栓喷注器中心推进剂偏转角模型分析研究

为了实现针栓喷注器中心推进剂偏转角的准确预测,基于流场分析建立了中心推进剂偏转角理论模型。从动量守恒方程推导了中心推进剂偏转角公式,通过数值仿真和试验结果对其进行验证,并分析了工况参数和结构参数对中心推进剂偏转角的影响规律。结果表明：理论模型预测值与数值仿真和试验结果很好地吻合,套筒遮挡喷注面积对偏转角影响最大,在变推力时偏转角随着套筒遮挡喷注面积增加而减小。喷注压降、中心筒壁厚和底部凹腔深度对中心偏转角影响很小,当套筒遮挡喷注面积一定时,中心筒底部有凹腔的偏转角比没有凹腔的偏转角约大6°,该模型为针栓喷注器工程设计和进一步精确计算变推力下的雾化角提供了重要参考。     

点火位置对圆盘结构下旋转爆震波起爆过程的影响

为分析点火位置改变对旋转爆震波(RDW)起爆过程的影响,在圆盘形旋转爆震发动机上进行点火实验,研究了不同点火位置、质量流率条件下旋转爆震波的建立过程及工作特性.结果表明,不同点火位置下,RDW的起爆过程皆经历点火器放电、爆燃转爆震以及稳定旋转爆震3个阶段.点火位置靠近喷注面附近时,RDW起爆过程中的无序缓燃模式缩短,起...     

适应间断照射雷达导引头设计中的几个问题

主要针对在间断照射条件下半主动雷达寻的导引头回波灵敏度的变化、导引头能正常工作的间断照射的时序安排、无线电修正指令的作用等几个导引头设计中必然涉及的问题进行了讨论。对在理想情况下适应间断照射导引头的回波灵敏度作出了理论估算，给出了导弹初始工作和末段工作时所需的间断频率。     

二值卷积神经网络综述

二值卷积神经网络（BNN）占用存储空间小、计算效率高,然而由于网络前向的二值量化与反向梯度的不匹配问题,使其与同结构的全精度深度卷积神经网络（CNN）之间存在较大的性能差距,影响了其在资源受限平台上的部署。至今,研究者已提出了一系列网络设计与训练方法来降低卷积神经网络在二值化过程中的性能损失,以推动二值卷积神经网络在嵌入式便携设备发展中的应用。因此,本文对二值卷积神经网络进行综述,主要从提高网络表达能力与充分挖掘网络训练潜力两大方面,给出了当前二值卷积神经网络的发展脉络与研究现状。具体而言,提高网络表达能力分为二值化量化方法设计、结构设计两方面,充分挖掘网络训练潜力分为损失函数设计与训练策略两方面。最后,对二值卷积神经网络在不同任务与硬件平台的实验情况进行了总结和技术分析,并展望了未来研究中可能面临的挑战。