基于卷积神经网络双层壁三维热应力预测方法

为实现三维物理场的预测，提出一种利用卷积神经网络（CNN）对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征，沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素，不同厚度位置的切片对应输入张量的通道维度，从而实现将三维温度场输入进网络，并输出在热载荷作用下的三维等效应力场。结果表明：训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa，平均相对误差为15.10%，对峰值应力的平均绝对误差为16.10 MPa，平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题，CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。     

中心分级燃烧室慢车工况油雾场特性

为获得中心分级燃烧室慢车工况下主副级油雾场特性，采用粒子图像测速仪（PIV）对单管燃烧室不同头部方案和不同喷嘴燃油比例的油雾场进行试验测量，开发了油雾场图像后处理软件，对油雾场图像进行后处理，获得了中心分级燃烧室油雾场空间分布。慢车工况下油雾场试验结果表明：大粒径油珠在燃烧室富油头部区域呈锥形分布，同时索太尔平均直径（SMD）沿径向呈V型分布，即中间小、两侧大。燃烧室头部折流板扩张角的减小，使得燃烧室富油头部区域油珠数目集中、同时平均SMD较大。保持来流条件和油气比一定时，改变燃油比例对燃烧室雾化效果影响不大。油雾场中油珠数目最多的粒径是25μm，而体积占比最大的粒径范围是30～50μm。     

贝叶斯推理运动轨迹相干累积的动目标检测方法

雷达理论和实践都表明相干累积是机动目标探测行之有效的方法,但其性能会因脉冲回波处理间隔内未知距离和/或多普勒的徒动而降低。为解决这个问题,提出了一种贝叶斯推理运动轨迹相干累积的动目标检测方法。首先,通过对脉冲压缩回波信号的距离频率进行翻转,就可从未翻转与翻转后的回波信号相乘的傅里叶逆变换中,提取出慢时间维描述待探测多目标运动轨迹的时频信号。视该时频信号中各目标运动轨迹为状态变量,获得的时频信号为观测,建立起多目标运动轨迹的状态空间模型。这样,据贝叶斯滤波推理出的目标运动轨迹,构建出快-慢时间维联合的二维匹配滤波器,就能补偿目标高速/机动带来的未知距离和/或多普勒徒动。理论分析和仿真实验均证明：所提算法适用具有复杂且未知运动状态的目标,且呈现出了优于文献报道方法的性能。     

进气道温度畸变问题的研究

重点研究稳态温度畸变对发动机稳定工作的影响。温度畸变分为周向温度畸变和径向温度畸变两种情况。温度畸变将使发动机喘振裕度降低。情况严重时可使发动机工作不稳定,或发动机熄火,从而危及飞行安全。本文半给出进气道温度畸变和稳定性因子的确定方法,作为进气道／发动机匹配研究的基础。     

双燃式（超燃）冲压发动机中激波与边界层之间相互作用对内 …

在激波风洞中研究了激波与边界层之间相互作用对双燃式冲压发动机进行道和燃烧室冷态内部流场的影响,实验发现与现在进气道中,激波与边界层之间的相互作用产生了两侧均为超声速流的滑移面。     

线性模型跟踪控制系统的模型匹配设计

研究了用完全模型匹配方法求解模型跟踪控制的问题。对通常的模型匹配解法进行了扩展,并所据此引入广义最小方差控制思想,提出一种模型跟踪和误差的新方法。最后,对该方法在惯性导航系统中的应用进行了仿真研究。验证了其可行性和有效性。     

贝叶斯景象匹配技术

景象匹配技术以其极高的末制导精度在导航系统中起着关键性的作用。经典的景象匹配定位方法只能提供象素级的定位精度,为了获得更高的精度可采用ＦＦＴ匹配算法、最小二乘匹配算法等。该文首次提出了一种新的贝叶斯景象匹配算法。其基本思想在于：匹配定位位置可看作为随机量,先利用匹配图像间的信息求其条件概率分布,再利用图像中的大量样本来求解其贝叶斯估计值。同时研究了基于贝叶斯估计的景象匹配技术的原理及算法,并将其与     

太阳纯电子事件和质子-电子事件的电子能谱的机制

本文计算、分析了太阳耀斑加速电子在日冕中传输时激发的等离子体尾场的效应,认为耀斑电子的高能成份激发的尾场,能够加速低能耀斑电子,低能耀斑电子的能量增值可达几十keV至上百keV,这种尾场加速将软化约100keV以下的能量范围内(探测阈之上)的耀斑电子能谱。结合考虑尾场效应,本文提出了太阳耀斑加速电子从加速区到形成电子事件之间的能谱演化模式,说明了太阳纯电子事件的双幂律电子能谱和太阳质子-电子事件的单幂律电子能谱的形成,认为两类事件的电子能谱差异为耀斑电子日冕传输中不同程度的尾场效应所致,前者尾场效应弱,电子能谱呈双幂律,后者尾场效应较强,电子能谱为单幂律谱。