航空发动机叶片外物损伤研究现状

 全面地介绍了航空发动机叶片外物损伤研究的现状。叶片鸟撞击损伤是一种软物损伤。从鸟撞击叶片过程的理论研究、计算研究和试验研究三个方面进行了详细地介绍。叶片冰撞击损伤既可能是软物损伤又可能是硬物损伤。叶片冰损伤的研究文献较少，对此进行了简要地介绍。叶片硬物损伤包括金属块、石块和冰块三种形式。对叶片硬物损伤研究的各个方面，包括叶片硬物损伤的形成、叶片硬物损伤后的疲劳强度、叶片由于硬物损伤而产生微裂纹和微裂纹增长等，进行了详细地介绍。最后，提出了国内进行叶片外物损伤的研究方向。     

超声速翼身组合体激波阻力优化的EFCE算法

 超声速飞行器的横截面积分布对其激波阻力的影响十分显著,合理的机翼和机身横截面积分布可以显著降低其激波阻力。使用类别形状函数变换(CST)方法对机身进行基于横截面积分解的CST参数化外形表示,在此基础上提出了扩展的远场组元(EFCE)超声速翼身组合体激波阻力优化算法,并使用该方法对超声速客机翼身组合体进行外形优化,使其激波阻力系数降低了39%。研究结果表明:由于只进行一个方向上的面积分解,机身CST参数化所使用的参数数量和相应优化过程的计算量比机翼大幅降低;经过EFCE激波阻力优化的机身具有较为明显的面积率修形"蜂腰"特征。     

不同加载应变率下有机玻璃的压缩破坏与力学行为

对有机玻璃试件进行准静态和动态压缩试验,研究加载应变率对有机玻璃材料力学性能的影响,分析不同加载应变率下有机玻璃材料的微观损伤破坏模式.通过简化黏弹性本构方程拟合出适用于有机玻璃材料的黏弹性模型参数,并与试验结果进行比较.结果表明:在准静态加载条件下,有机玻璃表现为延性破坏,在动态加载条件下则表现为脆性破坏;随着加载应变率的提高,有机玻璃的流动应力明显增加,且动态加载条件下的峰值应力增加速率高于准静态.     

环境电离辐射体源标准空气比释动能率的确定

介绍了用实测法和MC理论计算法确定"放射性模型体源"表面中心点上方不同高度的比释动能率的方法和研究成果.研究结果表明,实测和理论计算结果的一致性较好,不存在明显的系统差.由此首次拟合出了能客观反映我国环境电离辐射体源标准的单位核素含量空气比释动能率的贝可法换算系数,提高了采用贝可法确定模型体源空气比释动能率的准确度.     

多机空战仿真的飞机简化模型研究

概述了多机空战仿真的概念和国内外研究现状 ,对多机空战仿真中的飞机数学模型进行初步研究与设计 ,找到一种较为符合实际的飞机简化模型描述方法。     

一种非隔离型交错高增益Boost变换器

提出了一种高增益Boost变换器电路拓扑,与传统Boost变换器相比,电路工作在占空比D＞0.5时实现了3倍的电压增益,均衡了有源开关管电压应力,并使其降低至输出电压的1/3。首先推演了构造两路复合支路高增益三端网络的变换器拓扑;然后分析电路全周期工作原理及电路特性;最后通过搭建1台140 W的试验样机验证了理论的正确性。     

高精度多冗余捷联惯组配置优化设计与应用研究

为了满足远程飞行器对惯性导航系统高可靠、高精度的需求,研究了一种多冗余捷联惯组配置优化设计与应用方案。根据远程飞行器导航分析结果和多冗余配置优化准则,设计了高可靠冗余结构配置方案,优先提高X向加速度测量通道精度和可靠性。采用置信距离测度一致性检验方法,对惯性器件输出信息进行置信距离测度一致性检测,建立惯性器件测量关系矩阵,剔除误差较大或失效的惯性测量信息;采用惯性导航信息融合的方法,提升相应测量通道的稳定性和系统使用精度。数据处理结果表明,相对于无冗余捷联惯组,多冗余捷联惯组的惯性导航精度提升近1倍,角速度测量通道稳定性优于0.01(°)/h(3σ),加速度测量通道道稳定性优于1×10~(-5)g(3σ)。多冗余捷联惯组配置优化设计与应用方案能够满足远程飞行器高精度、高可靠惯性导航的需求,具有良好的工程应用参考价值。     

基于IMF能量分布重构的目标检测技术

为提高海杂波中慢速目标的检测性能,提出了一种基于IMF能量分布重构的目标检测技术。该算法对原始信号尖峰区域经经验模态分解后得到的固有模态函数进行分段数据重构,计算前端IMF分量与后端IMF分量的能量比,并将其输入非参量检测器中进行目标检测。研究表明,相比于海杂波单元,目标单元尖峰区域有更小的前后端IMF分量能量比,适用于慢速目标的检测。     

基于AD7545和AT.89C51的波形发生器的硬件系统设计

论文通过对可产生任意波形发生器硬件系统的设计,提供了利用AT89C51和MATLAB的仿真功能,将希望得到的波形信号在MATLAB中完成信号的产生、抽样和模数转换,并将得到的数字波形数据存放在数据存储器中,通过单片机对AD7545的控制,进行A／D转换和放大处理后,得到所需的模拟信号波形的设计方法．     

一种新的基于机动检测的机动目标跟踪算法

针对Kalman滤波跟踪机动目标发散和目前多数自适应Kalman滤波算法对运动模型适应性不强的问题,提出了一种新的基于机动检测的机动目标跟踪算法,通过实时自适应的改变滤波模型提高对机动目标跟踪精度。对这种方法与Kalman滤波算法进行了计算机仿真比较,结果表明,该方法计算量小,可实时精确地自适应匹配目标的运动模型,可实现对机动目标稳定可靠的跟踪。