基于粒子群优化的多导弹动态武器目标分配算法

针对复杂多变的未来战场环境,对空防御系统需要实现对多个目标进行武器分配。由于传统静态武器目标分配（Static weapon target assignment, SWTA）模型受到很多因素的限制,无法适应战场态势的快速变化。为了解决多导弹的动态武器目标分配（Dynamic weapon target assignment, DWTA）问题,将对空防御过程离散为多个阶段,并根据战场实时态势数据构建了DWTA的数学模型,提出了一种改进的粒子群优化算法,引入了武器转火时间窗等约束条件,在算法中考虑拦截概率和导弹耗费等多个指标。最后通过大量仿真实验,验证了粒子群算法进行多导弹目标分配的合理性和有效性。     

机翼前缘结冰对大飞机纵向模态特性的影响

结冰导致飞机气动特性恶化,进而影响飞行品质。针对机翼前缘结冰条件下飞机全包线范围飞行品质评估问题,提出了基于自适应拟配初值的等效系统拟配方法,构建了机翼前缘结冰构型,并通过数值模拟得到背景飞机机翼前缘结冰气动数据。建立了飞机系统模型,进行升降舵倍脉冲操纵,进而得到飞机的响应数据。分析数据特征计算了自适应拟配初值,在飞机全包线范围内干净构型及不同结冰严重程度条件下进行了等效系统拟配,获得了纵向短周期飞行模态特性参数,进而得出相应的飞行品质等级。仿真结果表明：结冰会对飞机模态特性造成影响,使得飞行品质降低,严重时可能导致飞行品质发生降级。     

考虑测试性设计缺陷修正延时的测试性增长模型建模与评价方法

针对现有测试性增长模型忽略了测试性设计缺陷的修正延时过程,进而导致测试性增长模型（TGM）跟踪与预计精度低的问题,提出了一种考虑测试性设计缺陷修正延时的测试性增长模型建模理论与方法。首先分析测试性设计缺陷识别与修正之间的延时机理,得到剩余测试性设计缺陷（TDL）具有先增后减的铃形变化趋势;在此基础上,分别以Gamma、Raleigh和Delay-S 3种曲线拟合剩余测试性设计缺陷（RTDL）变化趋势,研究建立基于以上3种曲线考虑修正延时的测试性增长模型;最后,以某机载稳定跟踪平台测试性增长试验数据验证测试性增长模型拟合、跟踪及预计效能。研究结果表明：基于该测试性增长试验数据,Gamma曲线可以精确地拟合剩余测试性设计缺陷变化规律,测试性增长模型跟踪和预计精度可达到10^-2数量级。     

酚醛树脂基纳米多孔材料的制备及结构调控

酚醛树脂基纳米多孔材料（Phenolic Resin-based Nanoporous Materials,PNM）是满足新一代航天飞行器轻质、高效隔热需求的新型热防护材料,传统制备方法中需使用超临界干燥技术,制备周期长、成本高。本研究通过两步法,即先合成线性酚醛树脂,再进行溶胶-凝胶的方法,实现了常压干燥PNM的制备。系统研究了固化剂含量、固化温度和固化时间对材料结构的影响和调控作用,分析了影响材料收缩率和热稳定性的因素。结果表明,PNM的微观纳米结构的变化会影响材料干燥后的收缩率,制备大颗粒、大孔径的微观结构更有利于降低材料的收缩率。而PNM的热稳定性主要受交联反应过程形成的化学结构的影响,通过优化固化剂的含量可提高PNM的热稳定性。当固化剂含量为10%,固化温度提高至150℃,固化时间延长至48 h的条件下,获得的PNM有最高的热稳定性（900℃下的残碳率为54.2%）、最发达的孔结构（比表面积为264.0 m²/g、孔容为2.67 cm³/g、平均孔径为40.0 nm）和最小的收缩率（0%）。此PNM制备方法简单、性能优异,在未来航天飞行器上有广阔的应用前景。     

飞机舱门失效乘客减载计算方法的探讨

从适航当局、航空器制造商要求出发,从适航角度探寻了飞机舱门失效时需要进行旅客人数减载的原因。根据FAA、EASA、CAAC对各种机型舱门失效的要求,对比分析了各民航体系的要求差异,总结了舱门失效时计算旅客人数减载量的方法。在舱门失效对旅客人数进行减载时,航空公司需要综合考虑航班是否为跨水航班、舱门性能、救生筏性能。根据实际飞机客舱布局,结合航班的销售情况,在满足适航要求的同时,将因客舱门失效带来的经济损失降到最低。通过公式和表格,可以比较迅速地完成旅客人数减载量计算和减载区域指定。最后根据分析和实例计算,发现FAA体系下计算方法简单,但是对减载区域的限制比较严格;EASA计算方法比较繁琐,但在指定减载区域时比较灵活。     

多重应力下滚动轴承剩余寿命预测

为了实现多重应力下滚动轴承的剩余寿命预测,有效利用不用应力下的退化数据,提出了一种基于加速模型和贝叶斯（Bayesian）理论的滚动轴承剩余寿命预测方法。通过拟合优度检验和威布尔（Weibull）概率图检验法对滚动轴承试验中的数据进行有效性分析。利用switching Kalman filters(SKF)判断滚动轴承各时刻的退化状态。当滚动轴承进入加速退化时,用指数模型拟合轴承退化过程,利用广义线性对数模型表示退化模型参数与应力的关系,根据修正后的轴承实时退化数据利用贝叶斯算法更新模型参数,得到滚动轴承剩余寿命的概率密度函数,从而实现滚动轴承剩余寿命预测。采用XJTU-SY轴承数据集进行验证,预测结果的均方根误差在20 min以内,证明该方法能够有效预测滚动轴承的剩余寿命。