小功率氩电弧推力器性能实验研究

为了对适合小卫星使用的电弧加热推进系统的优化设计提供一定的参考,自行设计了输入电功率数瓦至数十瓦的小功率电弧等离子体推力器及其运行性能实验系统,包括一种气动小推力的间接测量系统。对四种不同喷管结构和尺寸的小功率电弧推力器,实验检测了所产生的推力随着弧电流和推进剂流量的变化。结果显示:在气流量4.5~10.5mg/s,输入功率3~35W的条件下,推力器产生的最大推力约为9.7mN,最大比冲约为110s;减小喉道直径,适当增加扩张比有助于提高小功率Arcjet的性能;当弧电流在10~110mA范围内变化时,弧电压的变化范围约为210~280V,气体的放电形式有别于传统的电弧加热推力器。      

基于k样本Anderson-Darling检验的混杂铺层层合板挖补修理后拉伸性能研究

对挖补修理后的平面编织混杂铺层层合板的拉伸性能进行了试验研究,使用k-样本Anderson-Darling检验对试验结果进行分析,研究挖补斜度、不同修理方法以及初始损伤直径对修理效果的影响。试验结果表明:挖补修理可以较好地恢复层板的拉伸强度。对穿透挖补修理,挖补斜度大于1:20后,修理试件的拉伸强度可以恢复至完好板的水平;对半穿透挖补修理,挖补斜度大于1:10即可保证修理试件的拉伸强度达到完好板水平。此外,仅改变初始损伤直径不会对修理试件的拉伸性能造成明显影响。以上结果对混杂铺层层板的挖补修理设计有一定的指导意义     

涡轮叶栅叶冠泄漏流动数值研究

以小展弦比涡轮叶栅为研究对象,利用三维数值计算的方法研究了篦齿数、篦齿排列型式、上下游压力以及径向间隙对叶冠泄漏流量的影响,并分析了泄漏流动与主流的相互作用.研究表明,叶片排上下游压比和径向间隙是影响叶冠泄漏流动的主要因素,篦齿数和篦齿排列型式对泄漏流量的大小和出口气流角均有重要影响.考虑了主流的影响之后,叶冠出口流动呈现出高度的三维性和周向不均匀性.在周向压力梯度的作用下,径向速度以正负交替的形式出现,而且周向速度和轴向速度则出现了明显的分层结构.     

双喷管差动式小推力测量装置的设计与分析

为了研究喷管型面对小推力火箭发动机推力性能的影响,设计并建设了双喷管差动式小推力测量装置及其附属设备.在测量装置中,基准喷管和待测喷管同轴反向设置,通过测量结构应变来直接测量两个喷管的推力差.对测量装置进行了简化模型理论分析,导出其灵敏系数理论公式.依据该公式进行关键参数设计,确定合理的灵敏系数,指导试验系统设计,以保证测量精度.验证性试验表明测量装置可以测量牛级推力差,标定曲线线性较好,以基准喷管推力作为比较对象,推力差的相对扩展不确定度为0.5％.推力差与基准喷管推力的比值越小,以基准喷管推力为比较对象的相对测量不确定度越小.测量装置可以用于小推力火箭发动机喷管性能分析及优化的试验研究.     

选区激光熔化TC4小裂纹扩展特性数值模拟

发展了一种考虑微观组织的选区激光熔化（SLM）钛合金TC4小裂纹扩展数值模拟方法。基于SLM TC4的微观组织观测结果,利用Voronoi算法并通过晶体取向筛选,实现了微观组织建模。在此基础上,采用扩展有限元法建立了SLM TC4材料小裂纹扩展行为模拟方法,探究沉积方向以及晶粒尺寸、晶体取向等微观组织对小裂纹扩展速率的影响规律。结果表明:沉积方向影响材料的裂纹扩展抗力,沉积方向与裂纹扩展方向平行时,材料抵抗疲劳小裂纹扩展的性能相对更好。晶粒尺寸影响小裂纹扩展速率,晶粒尺寸越大,小裂纹扩展速率越快。晶体取向影响速率的波动性,不同晶体取向材料的小裂纹扩展速率上下界有明显差异。      

通信信号调制识别综述

随着频谱信息资源愈发紧张,信号的调制处理方式也愈发多样化.由于通信信号的调制识别广泛应用于民用和军用领域,所以,对调制方式进行识别的研究具有极其重要的意义与战术价值.首先,根据大量文献,对基于最大似然函数和特征提取的经典调制识别方法进行了系统地梳理;其次,从常用数据集、深度神经网络结构和现有识别算法等方面,着重介绍了深...     

基于自适应代理模型的结构动力可靠度分析方法

结构动力可靠度分析对于衡量结构的安全状态和工作性能具有重要的指导意义。采用一种同时考虑 动态激励载荷和材料力学性能参数随机性的动力可靠度计算高效方法,通过建立不确定性材料力学性能参数 与条件动力可靠度之间的 Kriging代理模型,推导动力可靠度的解析表达式;提出一个新的学习函数来构建自 适应的 Kriging代理过程,通过复合材料飞行器蒙皮骨架结构在随机振动载荷和随机材料力学性能参数共同作 用下的动力可靠度分析对所提方法的准确性与高效性进行验证。结果表明:所提方法不仅能够避免使用代理 模型对动力可靠度求解时由于使用数值积分所引入的误差,同时能够使用尽可能少的计算成本获得准确的动 力可靠度结果。     

基于局部几何特征的稠密点云配准方法

针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题，提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征，从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上，使用K维树搜索完成局部几何特征描述子的关联工作。最后，通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明，该方法的配准成功率达到92.5%，配准精度达到0.0434m，配准时间相对最邻点迭代配准算法缩短了74.7%，实验结果验证了该方法的有效性、实时性和鲁棒性。     

基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。