并车螺旋锥齿轮传动动力学参数二维域界结构分析

构建了并车螺旋锥齿轮传动含间隙非线性动力学模型,采用变步长Gill数值法对振动方程进行了求解。将胞映射法引入齿轮动力学全局性态域界分析中,获得了动力学参数二维域界解结构。分别考虑了系统在齿侧间隙、综合误差、时变刚度以及阻尼比等参数域界结构中的稳态特性,借助相图、Lyapunov指数（LE）、Poincaré截面、快速傅里叶频谱分析(FFT)等手段研究了齿轮系统在多参数域共同激励下的动态分岔行为,验证了胞映射法在齿轮动力学参数域设计中的准确性。结果表明:当阻尼比ξ∈［0.025,0.225］时,在间隙和综合误差激励下系统均通过倍周期分岔进入混沌;较大阻尼比有助于系统处于稳态周期域中;时变啮合刚度激励下,系统在周期域和混沌域之间发生跃迁,域界附近参数的微小波动将导致吸引子进入另一吸引域中。      

基于自组织映射网络的故障诊断推理方法研究

从故障诊断基本形式出发，结合飞机刹车系统故障的各类特点，研究了基于Kohonen自组织映射网络理论的故障推理模型，并且应用到起落架刹车系统故障诊断中。该方法只需选择听，具有代表性的故障样本训练神经网络，他将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断出发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此，很符合复杂系统的故障诊断。     

CCSDS邻近空间链路协议的初步探究

介绍了空间数据系统咨询委员会(CCSDS)制定的邻近空间链路协议的产生背景及发展现状.     

多联邦互连中桥接成员的设计及关键技术研究

多联邦互连是实现大规模分布仿真系统的必经之路,也是目前HLA分布仿真技术中极具挑战性的研究方向之一.提出桥接成员的组成及其构建原则,给出了桥接成员的设计结构图并时其中的关键技术--FOM映射进行了详细阐述.     

面向生产过程的智能车间数字孪生建模及应用

数字孪生技术具有虚实融合的特性,智能车间数字孪生可以使生产过程透明化,利用实时数据可以有效指导车间生产。为实现基于数字孪生的生产过程可视化管控,提出了面向生产过程的智能车间数字孪生建模及应用。首先,建立了智能车间数字孪生系统体系架构。然后对系统实现的3项关键技术——基于点云拟合的三维几何模型构建方法、面向数据交互的对象链接与嵌入的过程控制统一架构（Object linking and embedding for process control unified architecture,OPC UA）信息建模方法、以及多源异构数据集成及虚实映射数据快速匹配方法进行了详细阐述;最后,对某发动机制造车间进行了数字孪生的实现,验证了所提方法的正确性和有效性。     

RBF径向基函数与Delaunay图映射技术在飞行器型架外形设计中应用研究

基于RBF径向基函数建立了多块对接网格块顶点运动模式,进一步耦合Delaunay图映射建立网格变形技术;利用基准网格的稀疏序列节点以及区域顶点建立Delaunay四面体映射单元,利用RBF技术操作区域顶点运动,使映射单元进行变形,从而应用映射关系实现网格变形;针对某型支线客机进行了型架外形设计,并进一步进行对型架外形进行静气动弹性计算与设计巡航外形对比,验证了所建立的型架外形设计方法的正确性;静气动弹性计算中,通过建立共用的"映射曲面",实现CFD/CSD数据高效交换。     

考虑承载面最大位移约束的结构拓扑优化方法

在实际工程问题中,存在着一类承受分布力载荷作用的工程结构。为了实现此类结构的刚度设计要求,提出限制承载面变形的拓扑优化设计新模型。模型采用KS包络函数对承载面节点位移进行凝聚化处理,并推导了相应的伴随方程和敏度表达式。遵循独立连续映射法建模方式,采用一阶和二阶泰勒展开分别得到约束函数和目标函数的显式表达式。由此将优化问题转换为一系列标准二次规划子问题,采用序列二次规划算法进行高效、稳健求解。通过二维、三维数值算例验证了提出模型的可行性和有效性。结果表明,所提出的列式和相应的优化求解算法能有效控制结构局部区域的最大变形量。     

基于庞加莱映射的多站数据融合算法

针对目前单目标跟踪数据融合中存在的伪数据问题,研究了基于庞加莱映射的补充条件定位引导算法和多站抗野值数据融合算法,建立了适应实际传感器数量变化的数据融合体系。理论分析和仿真结果均证明,该方法可行有效。     

具有控制结构的集值强向量均衡问题解集的本质连通区

讨论了具有控制结构的集值强向量均衡问题解集的本质连通区.在集值强向量均衡问题所构成的空间M中,本文利用具有控制结构的集值强向量均衡问题解映射为usco映射的引理,研究其解集在一定条件下的本质连通区,得到了一个具有控制结构的集值强向量均衡问题解集的本质连通区的存在性定理.     

基于序列-图像映射的航天器智能故障诊断方法

卫星组网是未来航天的发展大趋势,要保证众星在轨安全可靠稳定运行,要求单星具备高精度的在轨自主故障诊断能力。本文针对航天器控制系统故障闭环传播和数据维数高的特点,结合某航天器的地面测试数据,首先对高维耦合序列数据进行处理,实现序列到灰度图像的映射,然后采用卷积神经网络完成高精度同一故障部件的故障诊断。通过将所提方法与K邻近算法、基于主成分分析的K邻近算法等非图像化机器学习算法进行对比验证,说明了本文所提方法的有效性。