不同出口型与驱动频率的活塞型自耦合射流研究

采用PIV对驱动频率为10, 20, 30 Hz的活塞式自耦合射流作动器流场进行测量, 应用相位锁定技术, 测得了一个周期内72个相位的瞬时流场.对3种频率下的自耦合射流的变化规律的分析, 发现当前实验条件下, 在几何尺寸不变时, 随着频率的增加, 冲程长度L0与平均出口速度U0迅速上升;当频率不变时, 随着出口孔长宽比AR的增加, 冲程长度L0于平均出口速度U0呈下降趋势;而随着孔板厚度d的增加, 冲程长度L0却随之下降.通过5个周期360张瞬时流场图的平均得到了自耦合射流的时均流场, 数据分析表明, 自耦合射流方向性很好, 其沿流方向速度剖面具有自模化特征.相对于定常二维平面射流, 其稳定发展段中心线上沿流向方向速度衰减较快.      

厘米级微型涡轮喷气发动机关键控制技术研究

结合厘米级微型涡喷发动机自身特点, 从工程角度研究其关键控制技术.首先运用相似理论, 将参考发动机的起动控制时序变换适用于目标发动机的起动控制, 为了解决微型发动机起动困难问题还首次提出起动供油自校正技术.慢车以上状态采用系统辨识法建模, 通过仿真结合试验的方法设计了带可自动调整前馈的闭环PI调节器.试车试验表明, 研究的控制规律能控制发动机正常可靠运转, 满足各项性能指标要求.      

基于网络的复杂航空系统远程故障自修复自重构信息系统设计

维修网络化的实现与应用突破了传统维修观念,把复杂航空系统维修保障需求前伸到系统设计研制阶段,在强调系统的可靠性、维修性和保障性水平同时,大大提高了系统的质量.     

微系统自唤醒技术的研究与发展

微系统技术集信息获取、处理、交换、执行以及供能等功能于一体,已广泛应用于物联网终端,而物联网终端电池续航能力限制了其在各类场景中的应用能力.将自唤醒技术——一种能量管理策略——应用于物联网终端微系统,可实现微系统低功耗休眠与唤醒状态的自动切换.对微系统的自唤醒技术进行归纳与分析,根据微系统休眠时功耗特点的不同,将自唤醒...     

基于时程卷积自编码的机翼绕流特征识别方法

机翼周围的流动状态直接影响其受力特性,流动特征的识别与分析对保证机翼的气动力研究尤为关键。基于空间流场参数的流动特征识别结果受主观阈值影响大;基于流场快照数据的流动特征分析难以完整表征流场的时变特征,且大范围的流场快照获取难度大,因而其实用性受限。本文基于流场时程数据的低维表征模型提出了无监督自动编码的流场时程特征识别方法。采用深度学习技术充分挖掘时程信号中的隐含的流动特征,建立流场时程数据的低维表征模型;进一步对低维的表征编码进行分析,将包含不同时序特征的测点样本进行特征聚类,实现了基于空间点时程数据的流场特征提取与识别。通过对NACA0012翼型的流场进行特征提取与分析验证了所得流动特征低维表征的准确性,实现了基于流场时程数据的流动分离区自动识别。本文可为相关流场特征提取、特征分析和特征表征等问题的研究提供新的方法与参考。     

多稳态力学超材料研究综述

多稳态力学超材料最重要的特点是能够在具有不同能级的稳态之间进行可逆的构型切换.本文总结了多稳态力学超材料的主要设计策略,包括基于自组装、突跳失稳、结构化机构以及几何失措的策略;重点讨论了可以实现的稳态数量以及稳态可控性;进而,集中分析了这些多稳态力学超材料的非常规力学性质,并详述其在可调控电磁器件、驱动器、机器人以及机...     

圆波导多模自跟踪天线受角度拖曳干扰的分析

对自跟踪天线的角度拖曳干扰有两种可能结果:其一是干扰源和信号源均处于被干扰自跟踪天线方向图的主瓣内,结果是自跟踪天线电轴偏离信号源;其二是干扰源处于自跟踪天线的副瓣方向上,视干信比的不同,结果是自跟踪天线电轴产生抖动或者跟踪失效。     

宽频段单脉冲跟踪网络设计研究

简要概述了利用耦合波理论和小孔耦合理论的TE21模耦合器设计原理,并将几种不同形式的跟踪网络的设计进行了总结。最后仿真设计了Ku波段TE21模耦合器。     

基于时空注意力机制的新冠肺炎疫情预测模型

新冠肺炎疫情持续蔓延给人类社会带来深远影响,准确预测各地区的病毒传播趋势对防控疫情而言至关重要。现有研究主要基于传统的时序预测模型和传染病模型,鲜有考虑疫情地区关联复杂和时序依赖性强的特点,限制了其疫情预测的性能。为此,针对新冠肺炎疫情的预测任务,提出了一种时空注意力驱动的自编码器框架。通过引入空间注意力机制捕捉病毒感染序列间的动态空间关联性,利用时间注意力机制挖掘病毒感染序列中复杂的时序依赖性,以此实现对不同地区的新冠肺炎病毒传播趋势的准确预测。在模型的编码器端,融合空间注意力机制的长短期记忆(LSTM)网络,关联目标地区与其他地区的病毒感染序列,提取该区域近期新冠肺炎疫情的时序特征。在模型的解码器端,将时间注意力机制引入基于LSTM网络的解码器中,通过捕捉病毒感染序列的时序依赖性推测未来的新冠肺炎疫情趋势变化。在多个公开的新冠肺炎疫情数据集上对所提模型进行验证,实验结果表明：所提模型的预测性能超越了LSTM等模型;在公开的欧洲部分国家新冠肺炎疫情数据集上,预测误差指标RMSE和MAE分别降低了22.3%和25.0%,在中国部分省级单位新冠肺炎疫情数据集上,RMSE和MAE分别降低了...