关于高校学生干部队伍建设的几点思考

本文明确了指导高校学生干部队伍建设的重要性,并提出以科学发展观建设高校学生干部队伍的办法,以求进一步提高学生干部的综合能力,为学校的学生工作管理提供一些参考.     

考虑易损性的飞机被外爆型武器的毁伤概率

通过对考虑易损性与未考虑易损性的飞机被毁伤概率的比较,表明：在传统的飞机作战效能分析中,飞机被毁伤的概率大多忽略了飞机的易损性,只从攻击飞机的武器性能方面考虑;其实,考虑易损性的飞机被外爆型武器毁伤的概率更切近于实战,易损性对毁伤概率有明显的影响,飞机易损性设计应作为一项非常重要的环节予以重视。     

月面环境下谐波减速器固液复合润滑寿命试验研究

本文对谐波减速器的失效机理和寿命影响因素进行了专门的研究分析.通过改进谐波减速器的润滑方式,开展了固液复合润滑特性分析和月面环境适应性分析,并对固液复合润滑谐波减速器进行了寿命试验验证.该固液复合润滑谐波减速器通过了在轨月面考核验证,为确定月面巡视器各活动机构谐波减速器的润滑技术状态提供了理论和试验依据,也为后续其他航...     

超大口径环形天线包带展开过程动力学仿真

中间柔性包带是环形可展开天线的重要组成部分.中间包带拔销器解锁后,复材包带与环形桁架同步展开.因复材包带柔性较强,它会绕根部固定端进行回弹,因此展开过程存在金属接头和桁架上复材薄壁管件碰撞风险.随着天线口径增大,该风险会持续增大.基于柔性多体动力学理论对超大型口径环形可展开天线包带展开过程进行动力学建模仿真,并在此基础...     

控制系统通用综合测试系统组建研究

在分析系统需求和基本功能的基础上 ,采用VXI总线技术、远程测控技术和测试应用程序自动生成等关键技术 ,按照综合测试的总体要求进行系统集成 ,组建控制系统通用综合测试系统 ,包括系统硬件和软件方案 ,对系统的硬件结构方案、模件选型以及软件流程、组成和作用进行了详细讨论。     

大涵道比风扇/增压级单自由度声衬优化设计及应用

为了发展大涵道比发动机噪声传播途径控制的降噪技术,基于数值仿真与优化算法,以某型大涵道比风扇/增压级试验件为应用对象,开展进口单自由度声衬设计。在声衬设计过程中,采用非线性谐波法对省略内涵增压级的简化结构进行模拟,并在光壁及声阻为0～5、声抗为-5～5条件下,以此作为声源开展基于有限元方法的声传播模拟。在固定声衬穿孔板厚度及穿孔直径的情况下,采用Guess声阻抗模型,将声阻抗-降噪量关系映射到声衬几何参数-降噪量关系,获得声衬几何参数-降噪量图谱,筛选出最佳声衬几何（参数）,同时采用模拟退火优化算法获得最大降噪效果的声衬几何参数,并与遍历算法结果进行对比,开展不同状态条件下的降噪效果评估。结果表明：该声衬在风扇0.8转速状态及起飞状态下对1BPF的风扇噪声具有良好的降噪效果。     

纤维金属层板的开发和应用现状

随着我国航空航天领域器械的飞速发展,对该领域中结构件所用材料的综合性能及轻量化提出了新的要求。在过去几十年里,大型客机的市场需求不断扩大,刺激了新型材料的兴起,使材料向着高性能,轻质量发展。纤维金属层板是由铝合金与纤维预浸料交替铺层固化而成的层间混杂复合材料。纤维金属层板结合了金属与复合材料的优良特性,具有密度小、损伤容限优良、抗冲击和疲劳性能,越来越受到航天航空和轨道交通领域的关注。目前用于商业生产的金属纤维层压板(FMLs)多以基于芳纶纤维(ARALL)与基于高强玻璃纤维(GLARE)的层板为主。概括了纤维金属层板的制备前表面处理工艺,对其弯曲测试、拉伸测试、冲击测试和疲劳测试等力学性能的测试方法进行综述,同时对未来新型纤维金属层板的开发进行探究,为纤维金属层板的开发提供参考信息。     

HS-X型高速水力测功机修理研究

某型高速测功机长期工作后出现效率下降、振动突增现象,无法满足发动机试车时功率吸收需要,也不能保证试车安全.通过对高速水力测功机开展逆向设计、增材修复及零备件国产化替代,自主研发高速水力测功机修理技术标准和全套工装设备,成功修复该型高速水力测功机,打破英美国家对国内的高速水力测功机修理技术封锁,也为后续国内高速水力测功机...     

高超声速风洞大轴向力中温天平的研制

为了完成φ0.5m高超声速风洞日益增长的钝头体模型测力试验,迫切需要研制出轴向力大、温度效应小、性能稳定、测值可靠的天平.笔者介绍了φ20mm六分量大轴向力中温天平的研制,该天平已成功地应用于多项测力试验.     

基于太阳黑子群数据的多模态太阳耀斑预报模型

当前的太阳耀斑预报模型主要通过统计关系建立,直接将从太阳黑子群磁图中提取的特征参量作为模型输入,系统的自主性低,导致图像数据中包含的与太阳耀斑相关的高阶抽象信息难以被充分利用,进而限制模型预报的精度。为解决当前太阳耀斑预报中数据利用不充分的问题,文章将海量太阳观测数据与先进的人工智能技术结合,综合利用太阳活动区磁场观测图、磁场特征参量和对应的耀斑事件标签,并借助全连接神经网络高精确率以及卷积神经网络高召回率和可有效提取高层语义信息的优点,构建基于深度学习的多模态太阳耀斑预报模型。实验证明该模型的主要评价指标结果比其他模型至少提高7.8%。