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。     

使用吊放声纳的直升机应召搜潜发现概率

建立了目标航速为瑞利分布条件下的目标位置分布模型,按照这个模型,研究了使用吊放声纳进行单机应召搜潜的搜索概率的计算方法,并给出了基于圆形搜索方式的不同参数条件下的搜索发现概率的部分计算结果。     

基于POD和ARMA的阵风响应预测降阶模型研究

针对阵风响应流场高效精确分析需求,基于非定常CFD数值模拟发展了一种快速流场预测的降阶模型。采用本征正交分解(POD)方法对高斯阵风激励的CFD非定常流场快照进行特征分析、并基于能量占比准则截取主要基模态来降维,采用自回归滑动平均(ARMA)方法建立各主要基模态系数的线性预测模型。采用NACA0012和DLR-F12的分析算例进行了验证,与CFD非定常计算结果对比分析表明,模型具有可靠的计算精度,适合于精确高效快速分析阵风响应,为阵风减缓设计提供技术支撑。     

多级次改性SiO2/PU超疏水涂层的制备及应用

为了消除航空飞行器表面、电力传输电缆、风力涡轮机叶片等因低温结冰而带来的不利影响,同时为了增强航空飞行器表面吸波涂层的自清洁能力,将经过硅烷偶联剂改性的纳米二氧化硅(n-SiO₂)和微米二氧化硅(m-SiO₂)填料按照质量比6∶1共混后与聚氨酯(PU)基体复合制得多级次改性SiO₂/PU超疏水涂层。研究表明,m-SiO₂在PU基体中较好的分散状态提升了涂层的稳定性,有效消除了因n-SiO₂团聚而出现的涂层开裂现象。n-SiO₂和m-SiO₂填料在涂层的表面共同构筑起致密的多级次微凸起疏水结构,可以截留更多的空气来增大水滴的气–液接触面积。多级次改性SiO₂/PU超疏水涂层的水接触角可达158.56°±1.08°,并且具有良好的自清洁能力和耐磨性。此外,多级次改性SiO₂/PU超疏水涂层优秀的透波性能使其不会对吸波涂层的性能产生不利影响,表明制备的多级次改性SiO₂/PU...     

分区自加热复合材料模具设计与应用

直接使用复合材料制成的模具可大幅度减少模具–构件热膨胀系数不匹配导致的构件固化变形。复合材料模具自加热技术是实现构件高质、高效固化的重要发展方向,然而现有模具自加热方法难以避免地引入大量加热元件和线缆,在反复热循环后易导致模具结构失效,寿命缩短。针对上述问题,提出了一种基于电各向异性层合结构的复合材料模具分区自加热技术,通过向碳纤维层合板层间插入电导率调制层形成单向导电的碳纤维层合结构,直接对其局部通电形成若干可独立控温的条带状加热区域,最终在不引入任何加热元件、线缆的前提下,实现模具温度场的分区控制。相较传统自加热模具,分区自加热复合材料模具面内温度均匀性提高了92.1%,固化C型构件的回弹变形量减小了27.0%。分区自加热复合材料模具在满足与构件的热膨胀系数匹配的同时,实现了温度场的分区控制,为构件的高质高效固化提供了新思路。     

B4C改性SiC/SiC复合材料自愈合机理研究

采用预浸料–熔渗工艺制备了B₄C改性SiC/SiC复合材料(SiC/SiC–B₄C复合材料),研究了SiC–B₄C改性基体在700℃、1000℃、1200℃、1350℃下氧化50 h的本征氧化行为及自愈合规律,有效观察到了基体的自愈合行为,同时考察了SiC/SiC–B₄C复合材料的抗氧化性能,通过材料重量变化和强度保持率衡量其在氧化环境中的损伤程度,揭示了氧化行为。研究结果表明,氧化初期B₄C开始发生氧化反应,此时的液态自愈合相主要成分为B₂O₃。随着温度的升高,氧化生成的SiO₂将与B₂O₃结合生成硅硼玻璃相,当温度进一步升高至1350℃时,由于硅硼玻璃分解加剧,导致自愈合效果减弱。此外,高温导致的硅硼玻璃黏度下降也将有利于氧化介质扩散。SiC/SiC–B₄C复合材料在1200℃氧化50 h后仍保持较好的力学性能,说明B₄C...     

基于深度学习的自冲铆接偏铆缺陷检测算法研究

自冲铆接技术适合铝钢等异种材料连接,接头性能可靠,在航空工业中有着广阔的应用场景,但目前针对自冲铆接缺陷无损检测的相关研究较少。提出了基于深度学习的自冲铆接偏铆缺陷检测算法,首先通过剪切力学性能试验得出偏铆自冲铆接件相较于正常铆接件力学性能下降了5.6%;然后通过自冲铆接偏铆件外部形貌特征将偏铆程度由外部特征定义在0～10的区间;最后探究了单步检测同双步检测间的检测效果差异,提出了YOLOv5s(You Only Look Once v5s)加ResNet18的检测方案,并通过Grad-CAM(Gradient-Weighted Class Activation Mapping)对不同检测方案的效果差异进行了可视化的解释。测试表明,提出的YOLOv5s加ResNet18的检测方案在所采集的数据测试集中可以达到100%正确率,高于仅用YOLOv5s取得的95.18%正确率,远高于仅用ResNet18取得的84.1%正确率。