薄壁长筒复杂车铣类零件的高效高精加工工艺研究

本文针对一种薄壁长筒复杂车铣类零件加工精度难以保证、加工效率低的特点,分析了该类零件加工中的难点及易出现的问题,设计了加工该零件的加工工艺及加工工装,并将该工艺及工装应用于实际加工。结果表明：使用该工艺及工装不仅能够保证零件的尺寸和形位公差,减小了零件的变形量,保证了零件的加工质量,而且极大地提高了生产效率。     

线性分组码不可检错误概率新的下限

线性分组码的不可检错误概率是评价自动请求重传(ARQ)系统的重要参数。不可检错误概率的计算涉及码的重量分布,而大部分码的重量分布还不知道,因此,研究不可检错误概率的限显得非常重要。本文得到了GF()上(n,k)线性分组码不可检错误概率的两个新的下限,在一定程度上,改进了Wolf等人的结果。由于新的限与码的重量结构无关,因此可以方便地估计任何线性分组码的不可检错误概率。     

航空支架类零件加工质量提升实践

针对航空支架类零件刚性差、装夹与加工过程中易变形的问题,以某型机载光电探测系统中上支架零件为例,提出了三种支架类弱刚性零件的装夹方法,提升支架类零件的加工质量,为其他支架类零件的装夹提供借鉴。     

改进的遥感卫星成像任务单轨最优团划分聚类方法

针对遥感卫星成像任务规划时对点目标的聚类效果不佳的问题,提出了一种改进的单轨最优团划分聚类方法。根据聚类约束条件,构建任务聚类图模型,并为图模型中的每一条边赋权值;根据图模型中边的权值,构建权值矩阵P;以卫星单轨姿态机动的最大次数作为聚类任务的数量限制,由P依次计算每个聚类任务所有可能的最优聚类方案,并生成对应的收益矩阵M和终点矩阵N;通过循环遍历的方式计算各个聚类方案下的总收益,其中总收益最大的方案即为最优团划分聚类方案。仿真结果表明:提出的改进的团划分聚类方法,能将点目标有效聚类,与传统任务聚类方法相比,可明显提高遥感卫星对点目标的观测效率。研究结果可为我国遥感卫星自主任务规划技术研究提供参考。     

高超声速圆锥边界层转捩纹影显示

为发展高超声速边界层转捩的试验研究手段,在中国空气动力研究与发展中心（CARDC）超高速空气动力研究所的FD-14激波风洞上开展了基于纹影显示技术的边界层转捩特性研究。试验模型为半锥角为7°的钝锥,头部钝度R_n有2.0和0.5mm两种。试验的名义马赫数为8和10,单位雷诺数变化范围为1.6×107~4.4×107m-1,高速相机的拍摄帧频20kHz。纹影显示捕捉到了第二模态不稳定波和湍流斑的空间结构。对纹影图像的灰度分布进行了功率谱密度（PSD）分析,结果表明第二模态波长约为边界层厚度的2倍。对纹影图像序列的分析表明,湍流斑波前传播速度大于波尾,并且略大于边界层外缘速度。     

基于任务段的航空发动机载荷谱聚类方法

针对航空发动机飞行任务剖面分类问题,对发动机31个飞行任务剖面进行了聚类分析。选取飞行高度和飞行马赫数作为划分飞行任务剖面的参数, 依据其对应的飞行任务段均值生成聚类散点图,将剖面类型划分为5大类。结果表明:低空低速剖面在无量纲飞行高度为0~0.2、飞行马赫数为0.4~0.6区间,均值最低;高空高速剖面在无量纲飞行高度为1.2~2.2、飞行马赫数为1.0~1.8区间,均值最高;飞行任务剖面在无量纲飞行高度为0.2~1.2、飞行马赫数为0.6~1.0区间内最为集中;针对散点密集区域,可依据剖面特征进一步划分剖面类型;不同剖面间,飞行高度与飞行马赫数差异性强,利于剖面划分,而法向过载与转速差异性小,不利于剖面的划分。所提出的方法可以快速有效的对航空发动机飞行任务剖面进行聚类分析。      

运输类飞机应急撤离演示试验适航要求解析

运输类飞机的应急撤离演示试验是通过型号合格审定的重要试验环节,试验涉及人员多,适航审定检查项目和种类繁杂。通过对运输类飞机应急撤离相关适航要求及其咨询通告等文件进行系统地分析,制定出更合理的试验方案;针对飞机应急撤离演示试验的全过程,从前期准备、机上检查、试验中以及试验后四方面开展研究,明确适航审定的基本流程,总结适航审定要素和具体的验证方法,以支持和保障应急撤离试验顺利完成。     

基于聚类的多标记选择性集成

多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成, 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection,MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection, KMCCS）。在所提出的算法中,如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示,在此基础上给出了学习器之间距离的计算方式。此外, 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析,实验结果表明了所提算法的有效性。