高锁螺栓孔进R区的对接结构疲劳试验研究

在民用飞机生产过程中,存在紧固件孔进入对接结构R 区但换新超差结构较为困难的情形,对该类问题在R 区加弧形垫后,由于应力集中系数的变化及非标准连接,结构的疲劳品质会受到影响。本文通过疲劳试验研究对接结构高锁螺栓孔进R 区（平行载荷方向）加弧形垫对结构细节疲劳额定值的影响;在试验件设计时通过有限元法分析部分参数对结构应力集中的影响,根据有限元分析结论进行三组疲劳试验以得到相应的细节疲劳额定值修正系数,对试验结果与工程算法结果进行比较。结果表明：高锁螺栓孔进R 区的超差程度优于高锁螺栓HST12AG6 的孔进R 区1.0 mm,对接结构细节疲劳额定值下降在10% 以内;试验对照组的试验件破坏形式与参照组完全吻合,细节疲劳额定值差异在合理的范围内。     

航空活塞二冲程发动机的可变排气阀换气过程

航空活塞二冲程发动机的换气过程直接影响发动机的性能,采用可变排气阀可以改善发动机的动力性能。通过GT-Power软件搭建发动机一维整机模型,进行可变排气阀的仿真研究,分析了发动机在不同转速、不同排气阀状态下的换气过程及排气阀状态对换气过程的影响。在此基础上,还对定速巡航工况下(6500r/min转速、50%节气门开度)的排气阀状态进行了优化。结果表明:不同的排气阀状态可以改变发动机排气过程压力波动的相位,从而影响发动机的换气品质及燃烧过程;在定速巡航工况下,排气阀为中等开度时(初级阀关闭、次级阀开启),其发动机动力性能达到最优。     

喷打用红色陶瓷表面装饰墨水的制备与性能

制备了一种红色陶瓷表面装饰墨水——与传统陶瓷表面装饰的新技术(连续式喷墨打印法)配套的新型墨水。它以陶瓷颜料为基本着色料，用溶胶一凝胶法制备，以连续式喷墨打印墨水的质量标准为参照标准。经测试，所制墨水的电导率、表面张力、粘度等理化性能完全符合喷墨打印墨水的要求，适合用喷墨打印法陶瓷装饰工艺的需要。研究了分散剂、粘接剂、pH值、固含量等工艺因素对该墨水性能的影响。该墨水制成时为墨绿色，经煅烧，各组分反应生成颜料，显现粉红色。     

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。     

抽运光与信号光之间的相位漂移对PSA动态孤子系统传输性能的影响

采用计算机系统仿真方法 ,研究抽运光与信号光之间的相位漂移对在线放大器为相敏光放大器的动态孤子传输性能的影响。仿真结果表明 :抽运光与信号光之间的相位漂移将导致孤子脉冲幅度下降。当相位漂移在±π/3 2之间时 ,孤子稳定传输的距离和没有相移时相比差别不大。而当相位漂移超过±π/3 2时 ,经长距离传输后孤子幅度显著下降。相位漂移越大 ,孤子幅度下降越显著。     

基于符号计算的风洞试验测量不确定度评估

基于符号计算进行风洞试验测量不确定度分析可以实现实验数据处理公式及误差灵敏度系数的自动推导 ,采用该方法对ZSDD 1导弹标模风洞试验结果进行了定量的试验不确定度评估 ,计算得到的气动力系数精度极限与重复性试验得出的试验精度吻合良好 ,气动力系数偏离极限计算值通常是其精度极限的 3～ 4倍 ,其不确定度大约是其精度极限的 4倍。笔者所述分析方法和分析程序为定量评估风洞试验数据的可靠性提供了一种有效手段。     

一种基于事物特性表的信息编码系统

信息编码是信息集成最为基础的部分。本文研究了基于事物特性表的编码系统。阐述了产品技术资源的分类体系和在此基础上编码的体系结构,按照产品、零部件的功能、解原理和结构等进行分类标识。通过事物特性表描述编码对象的属性特征。最后结合实例说明该编码系统的应用。     

单流体二维太阳风结构的磁流体力学模拟

在添加动量项的条件下，对单流体二维磁流体力学方程组进行模拟，得到了子午面上的太阳风结构，结果表明，添加动量项的形式及其被加入的位置对远区太阳风速度和质子密度有重要的影响。本文在适当的区域加入合适的动量项得出了远区太阳风速和质子密度与Ulysses观测基本符合的结果。文中给出了较合适的动量添加区域为3.5-10Rs(Rs为太阳半径）。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

面向“最后一公里”的无人机需求预测

针对“最后一公里”配送的无人机需求预测问题,考虑无人机性能、空域环境和运输任务等限制条件,分别以最大化快递运输量、最小化运输成本为目标函数,建立多阶段无人机需求预测模型。考虑快递业务历史数据和影响因素,建立组合预测模型预测快递业务量;利用动态分配算法预测无人机快递分担量和无人机需求量。以某区域实际快递数据和低空飞行条件进行算例分析。结果表明,本文提出的预测方法不仅可以根据配送中心业务量、工作时间和成本要求提供灵活的无人机需求方案,还能够使得无人机的工作时间利用率达到95%以上。