蜂窝夹层板撞击实验数据中的野值判别

基于超高速撞击物理实验数据对蜂窝夹层板撞击极限方程进行修正是获得高可信度新方程的一种常用方法,为了提高物理实验数据的可靠性,以国外131个碳纤维复合材料(CFRP)面板的蜂窝夹层板实验数据为对象,进行野值判别方法研究,发现该批数据中存在1个野值。将该野值剔除并基于剩余的130个数据重新进行方程修正后,新方程的总体预测率和安全预测率分别达到82.3%和93.1%,其绝对误差平方和、相对误差平方和分别为0.010、0.506,相对于剔除野值前的修正方程有所改善,表明实验数据野值判别方法可行、有效。为考核方法的适用性,对铝合金面板的蜂窝夹层板的实验数据也进行野值判别分析,结果显示该方法可合理识别野值。     

无网格法耦合RNG k-ε湍流模型在亚、跨声速翼型黏性绕流中的数值模拟

基于移动最小二乘无网格方法,耦合RNG(Re-Normalisation Group)k-ε湍流模型求解雷诺平均Navier-Stokes方程。采用AUSM(Advection Upstream Splitting Method)+-up迎风格式求解数值通量,应用在高度各向异性点云结构中取得良好结果的点云重构技术结合移动最小二乘法拟合空间导数,并用三阶SSP(Strong Stability Preserving)型Runge-Kutta显式时间推进格式求解离散后的控制方程。在此基础之上,实现了对NACA0012、RAE2822翼型亚、跨声速黏性绕流的数值模拟,给出了翼型表面压力系数分布曲线、不同位置处的平均速度剖面、马赫数等值线等计算结果,并与实验值及相关文献数值模拟结果进行比较,结果吻合较好。表明所发展的结合点云重构技术的无网格方法耦合RNGk-ε湍流模型能够成功模拟翼型亚、跨声速黏性绕流,验证了所提算法的有效性,并拓展了无网格方法求解湍流流动的途径。     

一种孔径和频率二维稀疏的步进频SAR成像方法

 步进频率信号(SFWs)在不增加雷达系统瞬时带宽的情况下能够获得高的距离向分辨率的同时,也存在着抗干扰能力较差及其等效重复频率较低的问题,并且在方位向积累时间内由于雷达载机工作状态的变化,会导致方位向的数据录取不完整。针对上述问题,提出一种孔径和频率二维稀疏的步进频合成孔径雷达(SAR)成像方法。首先,分析了稀疏步进频率信号(SSFWs)的SAR成像模型,然后基于压缩感知理论完成距离向成像处理。其次,针对稀疏孔径的回波数据,通过构造成像算子和压缩感知重建模型的方法实现其距离徙动校正和方位压缩处理,进而获得二维成像结果。相比于传统的步进频率信号SAR成像,利用所提方法能够在少量的频率资源和雷达回波数据情况下实现准确的SAR成像。最后,通过对仿真和实测的步进频率雷达数据进行成像处理,验证了所提方法的有效性和可行性。     

复合弯掠优化对跨声速压气机性能影响的研究

为了研究复合弯掠优化对跨声速压气机性能的影响,以一跨声速级为对象,基于数值方法对优化前后的压气机整体性能和近设计点工况下转子内的流场进行了对比分析。结果表明:复合弯掠可以有效改善转子内部的流动和提高压气机的性能,其中近设计点的效率提升了约0.9%,近失速点效率提升约0.2%。复合弯掠可以使得负荷沿展向和弦向重新分配,改善了尖部和根部附近的流动;激波的空间结构发生了改变,全叶展上的激波均整体后移且尖部附近激波形态由一道前缘强斜激波转变为一道前缘弱斜激波和一道通道激波组成的激波系。复合弯掠也降低了叶尖"二次泄漏"的影响范围,使主流与泄漏流交界面的位置向下游移动,减小了叶尖附近通道内的堵塞和熵增区域。     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.     

电离层色散对DS/FH-BPSK信号解调性能影响

相位连续的DS/FH(Direct Sequence/Frequency Hopping,直接序列/跳频)扩频信号的扩频带宽比直扩信号更宽,在电离层的非线性相位以及跳频频点变化这两者的共同作用下,该信号的BPSK(Binary Phase Shift Keying,二相相移键控)解调性能明显恶化。依据随机变量概率分布的数学规律,推导得到了在背景电离层色散条件和跳频频点均匀分布前提下,某种DS/FH卫星测控信号的引导信号和长周期信号BPSK误码率的变化规律,并在特定信号参数条件下进行了误码率仿真。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

基于再制造设计的闭环供应链定价及协调机制研究

为探究再制造设计在闭环供应链中的作用,基于实施再制造设计建立了三阶段博弈模型。同时,分析实施再制造设计单位产品的批发价格、零售价格、进行废旧产品的回收价格、零部件的价格及闭环供应链各成员的利润变化。此外,考虑了闭环供应链在集中决策时,闭环供应链总利润的变化,并用Shapley值法协调闭环供应链。分析得到如下结果:(1)闭环供应链成员的利润与可再制造率及再制造成本的减少相关。(2)制造商实施再制造设计的费用通过提高产品的批发价格部分转嫁给消费者,通过提高零部件的价格部分转嫁给再制造商。(3)分散决策时,供应链成员利润随可再制造率的提高而增加,进而促进单位废旧产品的回收价格增加及单位零部件的价格增加。(4)闭环供应链的总利润在集中决策时与分散决策相比时有所增加。(5)再制造商对整个闭环供应链的贡献最大。     

基于扩展TAB模型的凝胶液滴二次雾化特性研究

为初步研究幂率型凝胶液滴的二次雾化特性,将原始的Taylor-analogy-breakup(TAB)模型扩展并应用到幂率型凝胶颗粒中,采用四阶Runge-Kutta法对凝胶液滴的振荡方程和运动方程进行了数值求解,计算了不同空气动力和物性参数条件下的初始破碎时间和临界特征。结果表明:随着相对速度和液滴直径的增加,初始破碎时间迅速降低,然后保持稳定;随液/气密度比和表面张力系数增大,初始破碎时间呈线性增长趋势;初始破碎时间随稠度系数增大而增大,而当流动指数较小时初始破碎时间变化很小,流动指数超过0.6后初始破碎时间增长迅速,二者与相关实验比较存在一定误差;随Web数增大,液滴的振荡幅度变大,达到稳定后其无量纲变形系数就越大;凝胶液滴的稠度系数越高,临界Webc数越大,液滴二次雾化能力越低。流动指数小于0.6时,临界Webc数变化较小,而后其值则迅速上升。