弹箭体紧固连接系统正向设计数字化技术研究

紧固件是弹箭体中应用最广泛、使用量最大的基础产品,其连接设计技术直接影响航天型号可靠性。目前弹箭体紧固件在选用、设计评估以及实际应用方面存在缺陷,紧固件产品实际性能数据难以有效、直接、全面地融入设计过程。为此,本文提出了弹箭体紧固连接系统正向设计数字化技术,在集成紧固件设计选用准则及评估方法、解析及数值仿真分析功能、产品数据库和模型库等功能模块的基础上,通过基于多约束条件下逻辑指向数字化寻优方法,实现紧固连接系统的正向设计,从而提高紧固件的选用准确性,提高结构设计效率,提升弹箭体结构连接可靠性。     

大型航司飞机维修管理数字化转型思考

现状与挑战 大型航空公司的运行集中表现为三个主要特征:首先是飞机数量多,机型种类多,飞机的构型多而且变化频繁.以国内某大型航司为例,截至2019 年1月,已运营包括波音787、777、737 系列,空客A380、A330、A320 系列等型号客货运输飞机超过840 架,数量和构型都极其庞杂;其次是基地分散、人员分散、资...     

数字化背景下酒店管理本科专业人才培养模式的升级转型——以桂林理工大学为例

互联网技术和人工智能技术的发展推动旅游和酒店业的数字化转型,新型冠状病毒感染疫情加快了旅游与酒店业数字化转型升级,不断发展的酒店行业对创新创业人才的需求提出全新要求。文章基于数字化转型背景下酒店管理本科专业人才培养面临的挑战分析,以桂林理工大学酒店管理专业为案例,分析其调整专业定位和人才培养目标、改革课程体系和实践性教学环节等人才培养举措,提出要以“互联网+酒店管理”新文科建设方向引领带动传统酒店管理专业调整优化和内涵提升,培养适应新形势的酒店管理专业人才,打造数字经济时代的特色酒店管理专业。     

现代雷达的特点及测试系统的发展方向

雷达测试在现代雷达系统中占有重要的地位。随着新体制雷达的发展和完善，新一代雷达测试系统将具备综合化、模块化、智能化、数字化、网络化等特点。文章详细分析了现代雷达系统对新一代雷达测试系统的要求，分别从MC^3一体化技术、虚拟仪器技术、网络测试技术以及智能传感器信息处理技术四个方面对新一代雷达测试系统进行了展望。     

航天器数字化模拟及应用技术

通过国内外航天器数字化模拟技术的现状调研,从仿真框架、建模表达、求解计算、交互与可视化以及大数据等几个方面,综述了航天器数字化模拟所涉及的关键技术,并深入分析了相关技术在系统设计、开发与验证、飞行演练、控制与决策支持、体系仿真与效能评估等领域的应用。在此基础上,面向未来日益复杂的航天任务需求,提出了发展通用化框架、高可信建模、标准化工具和智能化应用的建议,从而加速推进航天器研制数字化、智能化的发展进程。     

数字化自动钻铆在飞机机身壁板上的应用研究

针对飞机制造领域中高质量、高效率的自动化装配需求,提出一种当今飞机制造发展趋势下的新概念“飞机机身数字化自动钻铆装配技术”,并从飞机制造和装配的观点,研究了飞机机身数字化自动钻铆装配技术中的制造和装配问题,分析了自动钻铆设备的结构和工作原理,分析了机身壁板定位夹具的确定,研究了机身壁板的装配工艺,分析了数字化自动钻铆技术在机身面板上的应用过程,并对自动钻铆装配技术的工艺性进行了实际验证和系统的分析研究,以期通过有效研究达到实际应用的目的 ,并有效缩短飞机的研制周期、降低生产成本和提高飞机产品的竞争力。     

航天器测试数字化转型探索和实践

针对传统航天器测试面向航天器研制新特点体现出的一些不足,文章提出了航天器测试数字化转型的方法。基于虚拟化等技术构建数字化测试平台,实现不同航天器的资源集约化管理和按需分配,解决传统的单航天器独占测试资源的问题;构建“云”、“网”、“端”的异地协同工作环境,解决异地并行研制时数据共享性差,专家资源发挥不够的问题;建立设计、研制、测试、在轨的模型转换标准,解决各阶段模型数据未得到有效的数字化传递的问题。该探索和实践已成功应用于航天重大工程任务,取得良好的应用效果。     

基于Plant Simulation的航空发动机维修生产线工序优化

针对航空发动机维修生产线生产效率较低的问题,考虑航空发动机大修工序间关系复杂度高、动态性及工时不确定等特点,采用Plant Simulation生产系统仿真软件对大修生产线建立仿真模型。在对工序流程、维修区域和工时等分析的基础上,通过仿真模型对26个维修工序工位从堵塞时间、工作时间和等待时间3个方面进行分析,识别得出叶轮性能恢复、涡轮转子性能恢复和试车3个瓶颈工序。对不同影响因素开展仿真优化与敏感性分析,得出瓶颈工序的优化措施及效果评价。     

基于深度学习的X射线胶片数字化与缺陷检测算法

X射线胶片数字化和焊缝缺陷自动检测对提高航天大型零件生产加工质量和检测效率具有重要意义。在某些特定场景中,X射线检测无法采用数字式接收器,将X射线胶片转化为数字图像是缺陷识别的前提,但现有方法难以实现X射线胶片的高保真数字化,此外,大型零件的焊缝缺陷具有小目标特点,人工判读和传统图像检测算法难以保证识别精度。本文提出了一种基于深度学习的X射线胶片缺陷检测算法,首先基于全卷积神经网络在X射线胶片上不同曝光时间的图像中自动选择曝光时间最佳的数字图像,然后设计了基于轻量级MoGaA网络的缺陷检测网络,实现了数字化图像中的小目标缺陷检测。数字化和检测结果表明,该算法对于焊缝缺陷检测的准确率可达96%,取得了良好的检测效果。