双变量波状扰动激发重力波波包的数值研究

采用谱配置方法对双变量波状扰动激发重力波的过程及其能量传播和转换特性进行数值研究．模拟结果表明，当初始给定的两个变量的波状扰动的相对振幅和相位严格满足重力波的偏振关系时，只有水平风场扰动(u′)与温度扰动(7′)的共同作用才能抑制能量向下传输．通常情况下，两个变量的波状扰动都会激发出两文传播方向相反的重力波波包，这两支波包的相对能量明显取决于两个波状扰动之间的相对振幅关系．当两个扰动之间的相对振幅满足特定条件时，向下传播的能量几乎为零，只会有一支向上传播的重力波波包被激发．进一步的数值分析则表明，各种情况下两个变量的波状扰动所激发的重力波波包的能量传播路径和速度基本相同；与单变量波状扰动激发重力波波包的过程相比，能量传播路径几乎完全一致，扰动转化为波动的特征时间也基本相同，但能量转换效率更高．     

分布式VPN网关研究

PVN（虚拟专用网）是专用网络在公共网络（如Internet)上的扩展。对于跨越Internet的大型企业网络而言，VPN可以用来建立端到端的安全通信。但是如何企业内部的各部门之间需要通过Internet进行安全通信，将会产生一些新的问题，如包传送效率低，不支持非对称VPN连接等。本首先分析了VPN在多层子网环境中的缺陷，然后提出一种分布式VPN模型。这种模型实现了网络包高效传送，用户认证和资源存取控制功能。     

推挂机驱动齿轮断裂浅析

对包果推挂机驱动具轮在运行过程中发生的齿根处破坏进行了宏观、微观和显微组织等方面的分析，并在原零件相应部位进行了口模拟验证试验，从而确定了零件断裂的原因。     

一种空间目标RCS序列的姿态异常检测方法

准确、快速判断空间目标姿态运动模式异常,对于空间目标监测具有重要意义。针对空间目标雷达散射截面 (Radar Cross Section,RCS)序列,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）能量谱特征的无监督机器学习异常检测方法,并采用单类支持向量机(One Class Support Vector Machine,OCSVM)验证异常检测效果。设置了几种典型异常场景进行仿真分析,试验结果表明,该方法能有效检测出三轴稳定类空间目标发生失稳旋转的姿态异常。相比于传统统计参数特征、小波变换统计参数特征及能量特征的姿态判别方法,具有检测概率高、鲁棒性好的特点。     

挤压式磁流变弹性体阻尼器转子系统的振动特性试验

 磁流变(MR)弹性体是一种由铁磁颗粒和橡胶或凝胶混合而成的磁流变固体材料,其明显优点是颗粒不会随时间而沉降,也不需要密封装置。研制了一种自定心挤压式磁流变弹性体阻尼器,并测试了支承在该阻尼器上的柔性转子系统的不平衡响应特性。试验发现,随着磁场强度增加,磁流变弹性体阻尼器的阻尼和刚度明显增大;转子系统的一阶临界转速明显提高,二阶临界振动可被抑制。采用开关控制能抑制转子通过两阶临界转速过程中的振动。研究表明,挤压式磁流变弹性体阻尼器能用于转子振动主动控制,并具有结构简单、性能稳定、控振效果明显等特点。     

基于特征参数趋势进化的故障诊断和预测方法

 采用时间序列方法对可以表征系统故障状态的特征参数的趋势进化进行预测,同时考虑特征参数的概率分布特性,给出了对系统进行故障诊断和预测的方法。在已获得特征参数监测数据的基础上,分别对具有广义强度/故障阈值确定分布或故障模式特征参数空间分布两种形式的故障判据,提出了利用二次指数平滑预测模型对系统未来某时刻的故障状态进行预测的方法。给出包括故障概率和故障指数在内的故障诊断和预测结果形式,可进一步为系统的维修决策等提供参考。     

多包传输网络控制系统的建模

作为系统分析和设计的基础,对网络控制系统建立合适的模型,意义尤显重要。本文对广义被控对象进行了分析,考虑了延时、系统噪声和数据包丢失的情况下,用一种统一的形式,建立了多包传输网络控制系统的模型。在系统中,传感器采用时间驱动方式,控制器和执行器采用事件驱动方式。这些模型的建立有利于网络控制系统的分析和网络控制系统控制器的设计。     

涡扇发动机高空起动性能模拟

用部件法建立双轴混排不加力涡扇发动机高空起动模型,并采取迭代法进行求解,仿真计算时考虑了发动机高空起动时的高低压转子匹配关系以及起动初猜值的选取,解决了迭代法对初值敏感的问题,仿真结果表明所建立的模型有较快的收敛速度并能较准确地模拟高空起动过程。     

基于HMM-SVM的混合故障诊断模型及应用

针对直升机减速器故障诊断中机器学习方法存在的问题,根据隐马尔可夫模型(HMM)适合于处理连续动态信号与支持向量机(SVM)适合于模式分类的长处,提出了基于HMM-SVM的混合故障诊断模型。先通过小波包分析方法从减速箱振动信号中有效提取非平稳特征,训练HMM-SVM模型,再利用训练好的模型进行监测与诊断,实验结果表明该方法优于单纯的HMM或SVM诊断方法,能利用少量训练样本有效地完成直升机减速器的故障诊断。