《北华航天工业学院学报》征稿简则

《北华航天工业学院学报》是北华航天工业学院主办的综合类学术期刊。1999年经国家新闻出版署批准公开出版发行,国内统一刊号CN13—1378／Z,国际标准连续出版物号ISSN1673—7938,双月刊。     

网络环境下大学生人本化德育教育模式研究

人本化德育是当前德育发展的趋势。在德育过程中它强调人的主体性、人的自我价值并从个体的自我需要出发进行道德教育,从而实现受教育者的全面发展,使之成为道德高尚的人。因此,从人本化德育的本质入手,探讨新时期大学生人本化德育的构建模式,对提高大学生的思想政治、道德素质有着积极的现实意义。     

箭载无线传感器网络动态业务分配方法研究

无线传感器网络技术是新一代火箭测量系统中的关键技术之一,为实现箭上无线传感器节点业务动态变化场景下的信道资源无冲突分配,提出了一种基于优先级的动态业务分配方法——基于优先级的动态占空比节能位图辅助MAC协议(PD-EBMA)。主要思想是利用位图辅助适应业务量的动态变化、搭载预约的方式减少控制信息开销、背包算法提高信道利用率和降低时延,以及在流量较小时延不敏感的场景中使用动态占空比的思想降低能量开销。仿真结果表明:相比传统固定时隙的分配方式,PD-EBMA可以大幅提升网络灵活性,同时能耗和时延特性也得到显著改善。     

基于虚拟仪器技术的测量船分布式状态监测

针对远洋航天测量船设备系统复杂、布局分散的特点，提出了利用虚拟仪器(VI)技术建立测量船网络化状态监测系统的方案。从硬件和软件两个方面阐述了虚拟仪器技术的性质和特点，以及分布式状态监测系统所采用的模式和工作方式。最后，介绍了测量船建立的总线虚拟仪器测试系统及其特点。     

长拉杆-止口连接弯曲刚度损失及对转子系统振动响应影响

航空燃气轮机为了实现高负荷、轻质化的追求,在转子结构设计中,趋向于提高转速和加大长径比。这使得转子系统弯曲模态临界转速降低,转子在工作转速范围内不可避免会产生一定的弯曲变形。转子弯曲变形会影响连接结构界面接触特性的变化,使其连接结构局部弯曲刚度产生损失。因此,对于工作转速靠近弯曲临界的高速转子系统,需要考虑连接结构界面接触状态变化对转子系统振动特性的影响。以高负荷的长拉杆-止口连接转子系统为对象,分析连接界面接触应力分布特性,提出连接结构弯曲刚度损失修正方法,以此为基础建立界面连接转子动力学模型。通过对止口连接三级轴流压气机转子结构动力学特性的仿真和试验研究表明,在靠近弯曲振型临界转速下,转子连接界面接触状态的变化会产生弯曲刚度损失,对转子动力学特性具有显著影响。     

对空间碎片近距随遇悬停的控制方法及悬停燃耗分析

对空间碎片检视或抓捕操控中的悬停控制及燃耗问题进行了研究。通过C-W方程,建立任务星近距随遇定点悬停控制模型,通过设计状态反馈控制器分析定点悬停的可控性以及推控要求,结果表明近距悬停需要与悬停位置相关的两个正交方向上的常值连续推力控制量,以及用于抵抗扰动的三轴向上的反馈变推力控制量。分析了近距随遇悬停的推控分系统配置,建立了长时近距随遇悬停的燃耗及燃耗速率的数学模型,最后分析了既满足安全距离需求、又满足悬停方位需求的最小悬停燃耗模型。     

基于“时间-特征”协同注意力的机场快轨客流预测

机场快轨客流的准确预测是实现机场轨道交通系统智能化、精细化、高效化管控的基础,对提升机场服务水平和运行效率有着重要意义。由于影响因素众多、相互耦合,且因素对客流时序影响机理复杂,机场快轨客流的准确预测极具挑战。提出了一种基于“时间-特征”协同注意力机制的机场快轨客流预测模型,实现了精准捕捉多维因素在不同时序上对机场快轨客流的影响。基于北京首都国际机场快轨实际客流数据进行实验,结果表明了所提方法的有效性。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于DDPG算法的变体飞行器自主变形决策

针对变体飞行器的自主变形决策问题,提出了一种基于深度确定性策略梯度(DDPG)算法的智能二维变形决策方法。以可同时变展长及后掠角的飞行器为研究对象,利用DATCOM计算气动数据,并通过分析获得变形量与气动特性之间关系;基于给定的展长和后掠角变形动力学方程,设计DDPG算法学习步骤;针对对称和不对称变形条件下的变形策略进行学习训练。仿真结果表明:所提算法可以快速收敛,变形误差保持在3%以内,训练好的神经网络提高了变体飞行器对不同飞行任务的适应性,可以在不同的飞行环境中获得最佳的飞行性能。