广义螺旋运动与复杂回转刀具几何建模

 针对现代机械加工中广泛使用的复杂回转刀具,如模具铣刀、旋转锉、球形滚刀等,提出了任意回转面上的点和线的广义螺旋运动概念,并运用这一概念分别建立了复杂回转刀具广义螺旋线模型和广义螺旋面模型。该模型适用于任意回转刀具,克服了传统的螺旋运动概念和螺旋线、螺旋面理论只是针对圆柱形回转刀具的缺点。最后以球头刀具前刀面几何建模为例说明广义螺旋运动概念和复杂回转刀具几何建模方法的具体应用。     

SCR技术制备A2017半固态材料及其触变性能的研究

单辊搅拌技术 (SCRShearing/CoolingRollProcess)技术制备的A2 0 17半固态材料比常规铸造坯组织优良 ;SCR技术制备的A2 0 17半固态材料在 5 30～ 5 70℃范围内 ,可以进行触变成形 ;半固态成形平均屈服强度比热加工时的屈服强度低 10MPa ;A2 0 17半固态材料触变过程分为四个阶段 ,稳定触变阶段A2 0 17半固态材料的触变性能稳定 ,半固态加工时容许的最大加工变形范围为 6 4 %～ 72 %。     

防区外空地反辐射导弹攻击区及作战效能仿真

建立了防区外空地反辐射导弹运动数学模型，结合给定的导引规律形成控制信号，通过空地反辐射导弹的全弹道仿真，对反辐射导弹攻击区及作战效能进行了计算分析，仿真结果表明；机载反辐射导弹命中精度高，杀伤概率大，是压制地面雷达设备的一种有效武器。     

实验误差对材料参数实验结果影响的估计方法及其指标

 本文讨论了造成材料参数实验结果分散性的两个来源,给出了估计实验误差对实验结果影响的一般分析方法,提出了评价这种影响的几个指标。本文给出的例子表明这一方法是合理的和有效的。     

微叠层材料及其制备工艺研究进展

着重论述了各种微叠层材料及其制备方法，认为电子束物理气相沉积是制备微叠层材料的有效方法：同时对微叠层材料性能方面的研究也作了相应的论述，并展望了我国今后在这方面的研究方向。     

三维整体编织碳/酚醛复合材料烧蚀表面状态测试与分析

为了更好地研究三维整体纺织碳／酚醛复合材料的成型工艺对材料烧蚀性能的影响，选用不同纤维体积分数和不同编织结构的碳／酚碳复合材料试样，进行烧蚀试验，利用TalyScan150型表面粗糙度测试仪对试样烧蚀后的表面进行测试，并采用多种分析方法对测试结果进行分析。从分析结果可以看出三维四向结构的碳／酚醛复合材料随着纤维体积分数的增加，烧蚀性能变好，较低纤维体积分数（50％）的三维五向结构碳／酚醛复合材料具有较好的烧蚀性能。     

跨音速压气机动静叶排相干的三维非定常流动数值分析

采用时空二阶精度ＮＮＤ显式差分格式求解三维Ｅｕｌｅｒ方程，对跨音速压气机级中动静叶排相干形成的非定常流动进行了数值分析。除动静叶排流动的控制方程体系、数值方法外，着重讨论了动静叶排计算域、网格以及边界条件的处理。对某压气机第１级动静叶排相干的非定常流场的计算，给出了叶片表面的马赫数分布、压力波动幅值，以及叶片槽道中瞬态密度等值线等，并分析了结果的合理性。     

面向代理模型的机翼变形计算方法

按照机翼结构设计的原则,对内部结构还未确定的机翼提出了一种通用的变形计算方法。机翼的平面形状可看作由多个梯形组成,机翼弯曲变形为三次函数,扭转变形为一次函数。只要给定翼梢挠度与扭转角,即可计算机翼变形情况下的几何模型,使代理模型能够预测变形后机翼的气动载荷分布。文中给出了两个实际机翼的算例。算例结果表明,本文模型预测的变形与实际结构有限元分析给出的变形吻合较好。     

强不确定系统“全系数之和等于1”的实现方法

摘要： 研究强不确定系统“全系数之和等于1”的实现方法，强不确定系统指的是系统的静态增益及其界不完全确知且范围较大.“全系数之和等于1”是吴宏鑫院士20世纪80年代发现的，该原理表明，对于未知连续系统，其离散化系统的系数的和在一定条件下是1.该原理的发现对于解决闭环辨识和自适应控制的瓶颈问题具有关键作用.“全系数之和等于1”是在一定条件下成立的.为了实现系统的“全系数之和等于1”，需要对系统进行一定的变换，以满足所需条件.其中，采用静态增益的标称值的倒数进行输入变换的方法在实际中得到了广泛应用.但是，当系统的不确定性较大时，该变换将带来较大偏差.针对该问题开展了深入研究，明确给出了系统静态增益的不确定性与标称值的比值的关系对于实现“全系数之和等于1”的影响.当不确定性与标称值的比值较小时，可以近似实现“全系数之和等于1”；当比值较大时，进一步给出了通过选取合适的采样周期，近似实现“全系数之和等于1”的方法.本文的研究对于特征模型理论在实际中的应用提供了一定的基础.     

High temporal resolution global PWV dataset of 2005–2016 by using a neural network approach to determine the mean temperature of the atmosphere

Atmospheric water vapour plays an important role in phenomena related to the global hydrologic cycle and climate change. However, the rapid temporal–spatial variation in global tropospheric water vapour has not been well investigated due to a lack of long-term, high-temporal-resolution precipitable water vapour (PWV). Accordingly, this study generates an hourly PWV dataset for 272 ground-based International Global Navigation Satellite System (GNSS) Service (IGS) stations over the period of 2005–2016 using the zenith troposphere delay (ZTD) derived from global-scale GNSS observation. The root mean square (RMS) of the hourly ZTD obtained from the IGS tropospheric product is approximately 4 mm. A fifth-generation reanalysis dataset of the European Centre for Medium-range Weather Forecasting (ECMWF ERA5) is used to obtain hourly surface temperature (T) and pressure (P), which are first validated with GNSS synoptic station data and radiosonde data, respectively. Then, T and P are used to calculate the water vapour-weighted atmospheric mean temperature (Tm) and zenith hydrostatic delay (ZHD), respectively. T and P at the GNSS stations are obtained via an interpolation in the horizontal and vertical directions using the grid-based ERA5 reanalysis dataset. Here, Tm is calculated using a neural network model, whereas ZHD is obtained using an empirical Saastamoinen model. The RMS values of T and P at the collocated 693 radiosonde stations are 1.6 K and 3.1 hPa, respectively. Therefore, the theoretical error of PWV caused by the errors in ZTD, T and P is on the order of approximately 2.1 mm. A practical comparison experiment is performed using 97 collocated radiosonde stations and 23 GNSS stations equipped with meteorological sensors. The RMS and bias of the hourly PWV dataset are 2.87/?0.16 and 2.45/0.55 mm, respectively, when compared with radiosonde and GNSS stations equipped with meteorological sensors. Additionally, preliminary analysis of the hourly PWV dataset during the EI Niño event of 2014–2016 further indicates the capability of monitoring the daily changes in atmospheric water vapour. This finding is interesting and significant for further climate research.