全机模型静强度分析的多区域并行计算

在Windows XP 64位操作系统环境下,利用若干普通PC机搭建了机群系统,实现了分布内存式并行（DMP）计算。采用3节点和4节点薄壳单元和2节点梁单元建立了约260万自由度（DOF）的全机有限元模型。采用封装的METIS区域分解方法（DDM）,并利用大型通用有限元软件MSC.Marc,实现了全机静强度模型的并行求解,为大型复杂有限元模型的求解提供了一种高性价比的解决方案。     

N2O单组元微推力器高空模拟实验研究

在真空舱中进行了N2O单组元两种尺寸的微推力器的高空模拟试验研究,分析了微推力器设计参数对比冲等性能的影响。结果表明,两种尺寸微推力器的最大比冲分别为1.608 N.s/g和1.639 N.s/g,热损失、床载和床长对微推力器性能影响明显,存在最佳床载值、床载和床长的匹配。     

常开洞工业厂房风致内压试验研究

通过一系列不同条件下的单个常开洞单跨厂房刚性模型风洞测压试验,分析了风向角、开洞位置、开洞形状以及开洞大小对内压平均值与脉动值的影响,并与基于稳态理论与非定常理论的内压预测值进行了比较。研究发现,单个常开洞厂房内压的空间分布是均匀的,几乎处处相等,仅在开洞附近测点的风压系数值稍有差别;内压的脉动特性主要来源于来流湍流作用、旋涡脱落与尾流干扰以及赫姆霍兹共振等三个方面的影响;内压的均值与均方根值受开洞条件以及风向角等因素影响较大;稳态理论计算得到的内压系数均值与试验所得非常接近,但是均方根值的预测偏保守。非定常理论推导得到的内压响应方程在风速方向正对开洞时可以给出良好的预测,但由于受旋涡脱落、尾流干扰等影响,斜风向时运用该方法预测内压是不合适的。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

N2O微推力器结构改进的仿真与试验分析

主要考虑影响比冲的温度因素,在原有N₂O微推力器结构上提出了改进方案,对改进前后N₂O微推力器推力室进行了三维流动传热耦合仿真,并采用改进后N₂O微推力器开展催化分解试验研究.对比分析后发现减少推力室向外的热量传递能维持较高的分解气体温度,从而利于提升N₂O微推力器比冲,并得到了影响微推力器比冲的结构参数,研究工作为N₂O微推力器的优化设计提供了有益参考.      

2A14铝合金局部硬质阳极氧化工艺

针对2A14铝合金局部硬质阳极氧化工艺进行了深入研究,提出以双重封闭后的铬酸阳极氧化膜代替传统的涂漆保护,作为2A14铝合金局部硬质阳极氧化的遮蔽层。利用极化曲线、阻抗谱(EIS)和点滴试验等测试方法,研究了双重封闭后铬酸阳极氧化膜的腐蚀行为,并与重铬酸钾封闭、水封闭后氧化膜进行比较。与重铬酸钾封闭、水封闭相比,双重封闭后铬酸阳极氧化膜的腐蚀电流密度下降2个数量级,氧化膜多孔层电阻R_p值提高500倍以上,氧化膜点滴试验时间提高2倍～5倍。结果表明,双重封闭技术能有效提高铬酸阳极氧化膜的封孔质量,增强了耐腐蚀、耐电压性能,可作为2A14铝合金局部硬质阳极氧化遮蔽层。采用该工艺制备的局部硬质阳极氧化膜均匀致密,厚度可达60μm,平均硬度可达360,满足设计要求(厚度≥40μm,硬度≥329)。     

基于ILLE和SVM的卫星执行机构系统故障检测与定位

针对某超高指向精度要求的卫星平台,采用增量式局部线性嵌入(ILLE)与支持向量机(SVM)结合的方法,研究系统配置的多组磁伺服机构的故障检测与故障定位技术。在分析执行机构故障模式以及故障影响的基础上,采用LLE算法实时提取并更新与故障相关的卫星姿态控制系统高维信息,对其进行降维及特征提取,实现执行机构系统故障检测。当检测到故障时,提取执行机构系统输入输出信息,利用支持向量机(SVM)方法进行故障定位。该方法无需采集离线数据生成样本集,直接利用卫星姿控系统产生的在线故障特征数据集进行故障检测,并能根据故障检测结果,有效地实现卫星姿控系统执行机构的故障定位。算例仿真结果验证了所提方法的有效性。     

基于目标分解和SVM的极化SAR图像分类方法

极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM。最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度。     

基于聚类的航天器多余物粒径特征识别方法

针对焊锡粒多余物粒径特征识别过程中,粒径区分度不足和粒径特征参数类间交叉对分类准确率的不利影响,提出基于聚类的高精密航天器多余物粒径特征识别方法.从信号时域与频域分析技术出发,选取多个特征参数构建多余物粒径初始特征参数向量;采用Fisher比量化各个特征参数对粒径的区分能力并削除贡献率较低的特征参数,从而构建最终多余物...     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。