网络分析仪法测量稠油介电常数

用网络分析仪在Ｘ波段８～１１．５ＧＨｚ的６个频率点上,对大港、胜利、辽河油田稠油的介电常数进行测量,测量结果可以为微波采油工艺中的井下轴射器的设计及微波能利用率的估算提供理论依据,并对测量结果进行了误差分析。     

基于Web技术的产品数据管理研究

将Web技术引入产品数据管理系统(PDM)的研究和设计,分析了PDM系统中原有构架的特点与存在的不足,利用Web技术所提供独到的网络、数据库和分布式处理技术,结合开发实例提出了在Internet/Intranet解决方案下开发和研究产品数据管理系统的基本构想,并给出产品数据管理应用的组织和底层数据模式,研究了其对产品数据管理技术应用前景的影响.研究表明,Web技术的引入,将有力地推进产品数据管理技术的发展和应用.      

航天器热网络模型及其系数修正方法

叙述了目前航天器热网络模型与航天器实际换热之间的偏差,提出了利用航天器稳态热平衡试验结果进行热网络模型及其系数修正的方法。通过对某仪器舱热平衡试验数据的处理,实现了对该仪器舱热网络模型及其系数的修正,并对修正的结果进行了讨论。     

锻造温度对TC4合金组织与性能的影响

研究锻造加热温度对TC4合金组织与性能的影响规律。表明其均采用锻后水冷加强化热处理相同条件下,TC4合金采用高温锻造(相变点以下10℃至相变点以上5℃),可以获得细密交错的网状α+β组织,或其间伴有少量等轴α相的双态组织,从而可得到高强度与高塑性的性能。本文还讨论了上述工艺使TC4合金有效强化的机理。     

空间用长寿命自浮动电连接器原子氧侵蚀效应仿真研究

低地球轨道原子氧与航天器表面材料相互作用,可导致材料因氧化剥蚀而发生性能衰退。文章针对空间机械臂用某型长寿命自浮动电连接器,采用自主编写的计算软件,结合地面模拟试验获得的材料剥蚀率数据,对原子氧侵蚀效应进行仿真分析。仿真结果可直观显示电连接器表面各部分所受原子氧侵蚀的厚度分布。地面试验验证表明,经注量为7.83×1022 cm-2的原子氧辐照后,电连接器室温下绝缘电阻大于1×105 GΩ,满足技术要求。研究结果可为空间站用电连接器的设计和寿命预测提供参考。     

Intranet信息安全若干问题及应对措施

随着 Intranet 的广泛应用,内部网的信息安全问题越来越引起人们的重视。文中在分析 Intranet 普遍存在的信息安全问题的同时,提山了保障 Intranet 信息安全的相应措施。     

淬火制度对16NiCo钢组织性能的影响

研究了淬火温度及冷却方式对１６ＮｉＣｏ钢微观组织和性能的影响，结果表明：该钢不同温度淬火风冷与油冷后，随淬火温度的提高，性能变化趋势相近，强度至８００℃～８３０℃达最大值，而后开始降低，８６０℃淬火冲击韧性为最高。８６０℃油淬与８３０℃风冷相比，强度下降不多，冲击韧性提高幅度比较大，并且随淬火温度的增加，两个强度指标之间的差别越来越大。     

基于多层分布局域网技术的网络教学平台的探讨

网络教学是信息时代的产物,互联网本身以及各种基于互联网的应用都成了学校教学的内容,这就需要一个平台支持实施这种教学活动．本文结合南昌航空工业学院的多层分布式体系结构的计算机局域网的组建及应用,介绍了网络教学平台的组建。     

超声冲击强化工艺对钛合金表面质量及磨损性能影响研究

钛合金较差的耐磨性严重限制了其在航空航天领域的应用。为了研究Ti-6Al-4V(TC4)钛合金在超声冲击强化后耐磨性提高的机理,通过Ti-6Al-4V(TC4)钛合金超声冲击强化试验,探究超声冲击处理的工艺参数（刀具直径、气浮台压力、冲击道次、刀头形状、进给步距）对钛合金表面质量及性能的影响规律及敏感性,发现当采用球头刀具、气浮台压力为0.45MPa、进给步距为0.3mm时,超声冲击强化对钛合金耐磨性的提高最明显。通过对摩擦学试验中摩擦系数、球磨斑直径、盘磨损率、表面形貌图等试验结果的研究分析发现,经过超声冲击强化处理后钛合金材料的耐磨性能提高是压应力抑制裂纹机制、表面硬化强化机制和沟壑储油机制共同作用的结果,验证了超声冲击处理对钛合金耐磨性的实际强化效果。     

基于CNLS-MMD的孪生混合网络四旋翼飞行器故障诊断方法

四旋翼飞行器在众多领域中应用广泛,由于工作环境复杂多变,四旋翼飞行器极易出现结构损伤性故障,给飞行器的安全性带来巨大的挑战,因此开展四旋翼飞行器结构损伤性故障的相关研究对提高四旋翼飞行器可靠性具有重要意义。针对四旋翼飞行器在实际应用中结构损伤性小样本故障数据诊断率低的问题,本文提出了一种在小样本条件下基于卷积神经网络和长短时记忆网络的孪生混合网络（CNLS-MMD）四旋翼飞行器故障诊断方法。首先,设计试验获取四旋翼飞行器多工况结构损伤性飞行数据并对数据进行预处理。其次,建立基于孪生混合网络的故障诊断模型,采用卷积神经网络（CNN）和长短时记忆网络（LSTM）构建CNLS混合模型提取数据特征,利用最大均值差异（MMD）衡量样本的相似度,实现对故障标签的预测。最后,选择不同样本数量的训练集训练模型,使用多工况小样本数据集对搭建的模型进行故障测试。结果表明,该故障诊断方法具有较好的诊断性能和泛化能力。