聚碳硅烷纤维的不熔化处理研究（Ⅱ）—放大工艺的研究

采用熔融纺丝法纺出连续ＰＣＳ纤维束，研究了升温制度、纤维装填量以及过热现象等因素对ＰＣＳ纤维不熔化结果的影响，探讨了不熔化工艺的优化。结果表明，低温段慢速升温，中温段延长保温时间，高温段进一步强化的升温制度是比较合理的。纤维装填质量及密度增大到一定程度后，会因散热不利而引起急剧高温，导致纤维的熔并。急剧放热引起纤维结构的变化较大，而且内部纤维与表层纤维的反应程度不同。     

一种傅里叶域海量数据高速谱聚类方法

谱聚类方法广泛应用于数据挖掘和模式识别等领域，但大规模数据上高计算代价的特征向量求解及大数据带来的巨大内存需求，使得其应用于大规模数据时受到了极大的限制。为此，研究了基于傅里叶域的海量数据高速谱聚类方法。利用数据模式的重复性特点在傅里叶域建模，将耗时的特征向量计算转化为对预先确定的傅里叶域判别基进行选择来确定最终的特征向量，计算过程只需进行简单的乘法和加法运算，计算量得到极大的约减; 分批次训练样本，使用部分样本即可估计出整体数据的特征向量分布，确定最终的特征向量，压缩了计算时间和内存需求。在Ijcnn1、RCV1、Covtype-mult、Poker及MNIST-8M等大规模数据上的实验结果表明，所提方法在聚类精度等各项指标基本保持的前提下，训练时间相比FastESC、LSSHC、SC_RB、SSEIGS及USPEC等方法最高快了810.58倍，证明了所提方法在处理大规模聚类数据方面具有显著优势。      

数据驱动的运载火箭氧涡轮泵异常分析方法

基于模糊聚类和LSTM网络，提出了一种数据驱动的运载火箭发动机氧涡轮泵数据异常分析方法。通过模糊聚类对工况复杂，标签不完整的数据样本进行预分类，得到完整的标签并且分析特征贡献度，为LSTM网络的特征筛选和训练打下基础；通过LSTM网络对氧涡轮泵数据进行预测，并计算预测结果与原始数据之间的平均误差，再根据非参数阈值计算方法计算的阈值判据来判断设备是否异常，最终实现了氧涡轮泵数据驱动的故障检测报警，相较于红线阈值检测方法准确率提升7%。     

大斜视滑动聚束方位向波束指向控制策略

对星载电扫合成孔径雷达斜视滑动聚束模式，采用传统波束扫描策略中出现的方位向分辨率沿方位向空变大及方位扫描角度过大的问题展开研究。首先，分析采用传统斜视滑动聚束扫描策略情况下，方位向分辨率沿方位向出现空变的原因，探究方位向分辨率与扫描策略、扫描角度的关系。然后，提出基于全局搜索增强鲸鱼优化算法的斜视滑动聚束波束扫描策略，控制不同时刻下的方位向扫描角速度，降低方位向分辨率沿方位向的空变程度，减小天线最大方位向扫描角度，缩短数据录取时间，有效降低系统代价，提升系统性能。最后，通过仿真验证所提策略的有效性，方位向分辨率空变降低至1%以下，数据录取时间与总扫描角度相较于原有方法降低10%以上。     

玄武岩纤维/ 氨酚醛树脂防热材料的性能

采用丁异戊橡胶作为主体材料,从补强体系、硫化体系和增塑剂三个方面分析了它们对橡胶高低 温性能、耐老化性能和耐压性能的影响。粒径小、结构度高的炭黑和气相白炭黑并用可有效改善橡胶的力学性 能;硫磺含量在0. 8% ~1. 3%使得硫化橡胶既具备较好的高低温性能又兼顾较好的耐老化性能;增塑剂可有 效调整橡胶硬度和耐压性能。并对研制的丁异戊橡胶弹性材料及其柔性接头构件耐高低温性能及耐压性能进 行分析。结果表明,弹性材料高低温剪切性能及耐压性能表征结果能初步反映柔性接头构件的摆动性能及耐 压性能。     

舰载直升机系统安全评价指标体系

为了准确地对舰载机系统进行安全分析，确定客观的安全评价指标，文章选择“人、机、环境、管理”4个方面共29个评价指标，这些指标基本涵盖了舰载机系统的安全评价所包含的有效信息。利用模糊聚类的方法再对该指标体系进行筛选，最终确定了精简且具有科学性的指标体系。     

纳米SiO2填充杂萘联苯聚醚酮复合材料的性能研究

采用悬浮液共混法制备了纳米SiO2填充新型含二氮杂萘酮结构聚芳醚酮(PPEK)复合材料,并对其力学性能、摩擦性能和热学性能进行了研究。结果表明：当纳米SiO2含量为1％时,复合材料的综合力学性能最佳;纳米SiO2的加入,使得复合材料的摩擦性能比纯树脂有了明显提高,当纳米SiO2含量达到7％时,摩擦磨损综合性能最好,且在大载荷下纳米SiO2更能有效改善复合材料的摩擦磨损性能。DSC测试表明,7％纳米SiO2填充PPEK的玻璃化转变温度与纯PPEK相当。     

星载滑动聚束SAR模糊特性分析与仿真

介绍了星载滑动聚束合成孔径雷达（SAR）的成像原理,构造了滑动聚束SAR的方位模糊度计算模型,并分析了其距离模糊度计算模型。系统设计及模糊特性仿真结果表明：模型可用于SAR系统参数优化设计。     

一种改进的固液火箭发动机故障诊断方法

针对固液火箭发动机的可靠性问题，设计了一种改进的贝叶斯网络故障诊断方法，可以通过网络化自主逻辑推理，对固液火箭发动机进行故障诊断。为了提取时序观测信号的故障特征，提出将步进法与核主成分分析(KPCA)相结合的分析方法，并根据模糊C均值聚类算法(FCM)建立模糊多态贝叶斯网络，实现对观测信号尺度的模糊处理，提高对不确定性故障的诊断能力。通过Matlab/Simulink建立改进的贝叶斯网络故障诊断系统。仿真结果表明，改进的算法能够实现对固液火箭发动机常见故障的有效诊断，并能够适应小样本集学习的情况。与传统贝叶斯诊断算法相比，故障诊断的平均准确率提高了20.9%。