航空发动机适航审定喘振与失速影响因素

将气动热力基础理论与适航领域工程问题有机结合,对典型的喘振和失速影响因素开展了系统的研究,发展了一套多影响因素作用下航空发动机稳定裕度快速预估方法;在此基础上以JT9D发动机为研究对象,开展了喘振和失速主要影响因素的影响规律研究,结果显示对风扇部件稳定裕度影响权重最大的是进气畸变,对增压级和高压压气机影响权重最大的是寿命期内结构衰变。研究结果进一步明确了喘振和失速适航条款符合性验证活动的关键要素,完善了条款适航符合性验证流程,为进一步提升我国民用发动机适航审定能力提供了技术支撑。     

某型装备轴承件无失效时的可靠性参数估计

针对寿命服从威布尔分布的某型装备轴承件在无失效数据时的可靠性参数估计问题,首先,以失效概率为待估参数,取其先验分布为Beta分布,在2个超参数的先验密度函数为2种不同情形下,建立了失效概率的2种EBayes估计模型,分析了稳健性、渐近性和单调性;然后,对威布尔分布参数进行了加权最小二乘估计,进而建立了可靠度的2种E-Bayes估计模型,分析了稳健性和单调性;最后,结合实例数据进行了可靠性参数估计与分析,指出第2种估计模型更加合理有效。     

装备体系贡献率评估方法探究

未来装备必须坚持体系化发展,并通过贡献率评估明确在体系中的地位和作用。明确了装备体系贡献率的定义和评估意义,分析了定性评估法、基础技战术指标比较法、综合技战术指标灰靶比较法、基于装备体系的网络层次分析法、基于体系仿真及效能评估法等装备贡献率评估方法,并给出了灰靶比较法、网络层次分析法具体评估实例。同时,结合各评估方法特点,提出了网络层次分析法、体系仿真及效能评估法相结合的改进综合评估方法流程,实现装备体系贡献率的准确评估。     

热解碳基泡沫结构应用于热真空吸波箱技术研究

针对卫星通信系统考核用热真空吸波箱对结构吸波材料的需求,文章采用前驱体法和热解工艺制备了以热解碳为基体的轻质泡沫结构吸波材料。性能测试结果表明：该材料不仅适用于高真空、高低温循环热真空吸波箱环境,而且具有适合尖锥型高效吸波结构设计的宽频带、宽温域高介电损耗的电磁特性。在此工作基础上,以开展无源互调（PIM）吸波箱研制为例,分别建立电磁波室温远场平面波照射仿真模型和吸波箱内宽温域电磁波近场球面波照射仿真模型。综合两模型仿真结果,确定了该吸波材料尖锥+底板结构的具体尺寸。结果表明其吸波性能满足国军标的考核要求。     

镍锌铁氧体吸波材料研究进展

综述了镍锌铁氧体吸波材料的研究情况。从磁性能、配方对吸波性能的影响,以及与其他材料复合对吸波性能的影响等方面,对镍锌铁氧体吸波材料进行比较全面的总结,并与我司研究情况进行对比,希望对镍锌铁氧体吸波材料的开发与应用提供支持。     

提高高锰钢车削性能的方法

本文介绍了高锰钢切削加工性能的优缺点,从刀具材料、刀具几何参数、切削用量、切削力、刀具耐用度等方面阐明了对高锰钢切削加工的影响,并给出高锰钢合理切削条件.     

直升机复合材料结构疲劳寿命评定技术的研究进展与发展趋势

针对直升机复合材料结构的服役环境和外场使用经验,分析了复合材料结构在交变气动环境下所呈现出的高周疲劳载荷特征,指出复合材料疲劳在直升机复合材料结构设计中的必要性.对直升机复合材料结构疲劳定寿体系中涉及的疲劳载荷谱编制方法、损伤失效机理、寿命预测方法及疲劳试验验证4项关键技术的研究进展进行了概述,在此基础上,根据当前复合...     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

基于Kriging代理模型的失效机会测度算法

结构输入变量中同时存在随机输入变量和模糊输入变量情况下,失效机会测度可以很好地衡量结构的安全程度。但是,现有的混合模拟法计算失效可信度是一个双层循环过程,需要调用大量的功能函数。尤其对于大型复杂结构来说,混合模拟法的计算量是难以接受的。因此,本文将混合模拟法和自适应Kriging代理模型相结合,发展了一种失效机会测度的高效算法。通过U学习函数来自适应地选择训练样本点,进而可以自适应地构建功能函数的Kriging代理模型。在备选样本池中自适应训练至收敛的Kriging代理模型可以以要求的精度区分备选样本池中每个样本点的状态是失效还是安全的。因此,可以用收敛的Kriging代理模型代替真实的功能函数,进而通过混合模拟计算失效机会测度,这极大地降低了功能函数调用次数。最后,本文通过两个算例来验证本文发展算法的精确性和高效性。