钛和硼对铝镁铸造合金组织和性能的影响

本文主要就钛、硼对铝镁铸造合金组织和性能的影响进行了探讨。研究结果表明,同时加入钛和硼可细化晶粒,提高性能。     

浅谈计算机辅助飞机试制技术状态的管理

说明了对飞机试制技术状态进行管理的重要性,介绍了六一一所在型号研制中利用计算机对飞机试制技术状态进行管理的作法与体会。     

管制协调在管制工作中的重要性

空中交通管制工作的首要任务是防止航空器与航空器相撞及在机动区域内航空器与障碍物相撞，维护和加快空中交通的有序流动；而空中交通管制工作又是由诸多管制单位及各管制单位的不同管制岗位通过分工协作来共同完成的，管制协调工作就是众多管制岗位的其中一个，不管是管制单位之间还是不     

容量评估系统的研究与应用

近几年来，随着我国经济的发展，民用航空运输量呈快速增长趋势，导致在飞行繁忙的一些终端区经常出现长时间的流量拥堵情况。究其原因，主要是由于现有机场容量的相对不足。为适应经济发展的需要，我国民航即将进入新一轮的机场新建和扩建时期。     

构建质量管理矩阵 提升组织的质量能力

在从事系统工程研发的组织内部．协调好综合质量管理与项目质量管理之间的关系．是质量工作的一个重大课题。二院在型号研制中实施产品保证的过程表明，由质量管理部门同时负责基础和型号质量管理，履行双重职能．有利于规范地开展型号质量策划、组织质量实施、进行质量把关．也有利于促进各型号质量管理方法的统一和及时按照型号产品保证的需要改进质量管理体系。按照这种模式构造的质量管理部门，应该按照项目管理理论的要求，认真地设计作为横线的综合管理与作为纵线的型号管理之间的关系。形成必要的工作机制和程序，既保证型号规范、高效地运行，又保证组织对于型号的管控。有效地运行这个质量管理矩阵，需要注意克服弱化横线或纵线的倾向．做到基础和型号“两手都抓，两手都硬”。     

数控机床热误差补偿技术的发展状况

热变形误差补偿是提高精密数控机床加工精度的关键技术之一,热误差补偿控制设备已成为现代高档数控机床必备的智能模块。     

高性能铝基复合材料的颗粒分布及界面结合

采用常规粉末冶金和高能球磨粉末冶金法制备了B4Cp/Al复合材料，研究了B4C颗粒分布与界面结合特点、形成机制以及对材料性能的影响。结果表明，17％（体积分数）B4Cp/6061Al复合材料的屈服和抗拉强度分别为415MPa和470MPa，比常规粉末冶金复合材料分别提高了69％和70％。微观分析表明，高能球磨粉末冶金复合材料中B4C颗粒均匀分布、颗粒与基体之间存在近百纳米厚度的界面层，界面层由呈带状且有序分布的微细铝晶粒和弥散分布的纳米颗粒组成。高能球磨过程中，铝粉末在钢球表面形成冷焊层，B4C不断被挤入而均匀化是实现颗粒均匀分布的主要机制；球磨过程中铝粉末表面氧化层破碎暴露出新鲜铝表面且与镶嵌与铝粉末中的B4C颗粒形成界面结合是获得良好界面结合复合材料的重要条件     

美、德空管人为因素研究近况

人为因素是影响民用航空安全的主要因素。中国民航在杨元元局长的带领下,于2000年成立了“民用航空人为因素研究”领导小组,同年在国家科技部立项进行研究。该研究项目下设机组资源管理、空管人为因素以及机务维护人为因素三个子课题。为深入开展空管人为因素研究和成果应用工作,民航总局空管局于2002年8月至9月组织部分空管人为因素专家组成员,对美国联邦航空局(FAA)和德国宇航研究院(DLR)的空管人为因素和人员选拔研究机构进行了考察。     

适合航空航天用SiCp/Al复合材料的性能

采用粉末冶金法制备了Φ300 mm的15%(体积分数)SiCp/A l复合材料坯锭,研究了热挤压、锻造后的材料力学性能以及断裂特点。结果表明,该材料的弹性模量在97 GPa、拉伸强度保持在550 MPa的水平下,延伸率仍高达7%左右,旋转弯曲疲劳强度在250~290 MPa范围内,断裂韧性为25 MPa.m1/2,冲击韧性为62.5 kJ/m2。与棒材挤压态相比,T4态复合材料拉伸强度和屈服强度分别提高66.7%和100%,但塑性保持在同一水平。断口观察表明,挤压态复合材料以基体韧性断裂为主要形式,而T4态复合材料除了基体韧性断裂外,还存在SiC颗粒断裂现象。挤压棒材锻造后有利于提高材料的横向强度。     

结合局部高清图像的遥感集群目标区域超分辨率重建

近年来,卫星遥感图像的应用场景越来越广泛。但是由于采集设备有限及其成本限制,卫星传感器获取到的图像通常不具备足够的分辨率且分布不够均匀,同时部分目标聚集成群难以分辨,导致低分辨率遥感图像在目标检测与识别等空间语义理解任务上难以满足准确定位和分类所有目标的要求。相比于一次性采集完整高分辨率遥感图像,已有遥感图像通常在局部区域具有相对清晰的高分辨率,且具备足够的细节信息用于分辨目标群,而传统的遥感图像超分辨率重建方法主要关注遥感图像自身的全局特征,通过图像的全局特征进行分辨率和像素扩充,而忽视了遥感图像的细节信息。为了解决这些挑战,提出了一种将遥感图像局部聚集群目标区域的细节特征信息引入到完整遥感图像的采样重建中的方法,通过多层级的神经网络来提取不同尺度的图像特征,并通过残差学习的方式将这些特征进行融合并重建。在实验中,该方法相比主流现有的遥感图像超分辨率重建方法,在视觉效果和测试实验上都取得了更好的结果,证明该方法可以有效借助局部图像的像素信息,显著地提高全局遥感图像的细节效果和优化集群目标区域的分辨能力,提升了遥感图像的质量和可用性。