复合材料飞机接地回流网络建模与阻抗分析

为保证飞行安全,复合材料飞机需增设金属电流回流网络来满足机上电气系统的接地需求。针对复合材料与金属电流回流网络搭接的阻抗计算问题,采用一种基于导体和电介质的部分元等效电路（PEEC）法,对包括金属导轨和复合材料蒙皮的接地回流网络进行了建模,计算接地回流网络在不同参数、结构下的阻抗,实现任意节点之间的阻抗计算,并分析了不同频率下接地回流网络中构件部分参数对阻抗值的影响及不同类别接地点间阻抗值的差异。仿真计算实例验证了所提方法的适用性及计算结果的正确性,可为复合材料飞机接地回流网络在故障管理及电气保护系统设计等方面提供参考。      

基于时间卷积轻量级网络的人体运动预测（英文）

针对人体运动高度复杂的运动学和时间相关性,本文提出了一种轻量级的多层残差时间卷积网络模型（Residual temporal convolutional network,RTCN）。该模型使用一维卷积高效获取人体运动的空间结构信息,提取人体运动时间序列中的相关性。在本文所提出的网络模型中应用残差结构来缓解深度网络中梯度消失的问题。在Human 3.6M数据集上进行的实验表明,与最新的方法相比,本文方法有效地改善了运动预测的误差,特别是在长期预测方面。     

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。     

GMM旋转超声加工系统的部分耦合式非接触 电能传输设计与补偿

非接触电能传输是旋转超声加工系统的重要组成部分。对于传统的完全耦合式非接触电能传输系统,完整的原边磁芯与自动换刀系统结构上的干涉影响了超声刀柄的自动换刀。建立了部分耦合式非接触电能传输模型,依据模型设计出电能传输的原、副边结构和线圈参数,并对其进行了电学仿真。为提升电能传输的效率,对部分耦合式非接触电能传输的电学补偿进行了研究。针对一种使用超磁致伸缩材料(Giant Magnetostrictive Material,GMM)的旋转超声加工系统,结合其电学特性设计出电路补偿网络,试验验证了部分耦合式电能传输及其补偿的有效性。研究表明,由于结构问题造成原、副边线圈间的漏磁较多,部分耦合式的电能传输效率和系统输出振幅均稍小于全耦合式的电能传输方式,但是通过合理的电学补偿方式完全可以满足超声加工的要求。对于GMM旋转超声加工系统,采用单边串联补偿方式能够在简化系统设计的同时,保证较高的电能传输能力。     

性能影响的数值研究

为了研究当量比分配对超燃燃烧室性能的影响,对煤油在基于双级支板喷注的双模态冲压发动机中的超声速燃烧过程进行了数值模拟研究。超燃燃烧室进口污染空气由烧氢补氧加热器提供,总温为1231K,入口马赫数为2.0。液态煤油通过两级十字型布置的支板直喷入燃烧室,全局当量比恒定为0.8,采用了三种不同的上下游燃料分配方案。数值模拟采用k-ω SST模型来模拟湍流;离散相模型来模拟煤油液雾的破碎、雾化、蒸发以及与连续场之间的耦合过程;部分预混火焰面模型来考察湍流与化学反应之间的相互作用;煤油采用正癸烷(C10H22)作为替代燃料,其半详细的化学反应动力学模型包括40组分141步基元反应。预测的三种工况条件下壁面静压分布均与试验值符合良好,表明本文采用的数值方法可以较为准确地描述大分子碳氢燃料的超声速燃烧过程。通过对燃烧流场的进一步分析,可以做出以下结论:燃烧室内存在着两个反应区,上游反应区前锋驻留在上级支板尾缘,下游反应区前锋驻留在下级支板尾缘。随着上游当量比从0.1提高到0.3,上游反应区逐渐从位于流道竖向中央的对称结构转变为向下底壁与侧壁交接的角区倾斜的非对称结构,下游反应区则逐渐缩小;预燃激波串起始位置向燃烧室进口移动,进入上游反应区的气流逐渐从超声速气流转换为亚声速气流,而进入下游反应区的气流逐渐从亚声速气流转换为超声速气流;燃烧室出口总压恢复系数从37.6%单调增加到41.1%,燃烧室内推力却从366.4N单调降低到331.8N;然而,燃烧室出口燃烧效率与上游当量比之间不存在单调相关性。     

基于多尺度深度学习的自适应航拍目标检测

无人机已经被广泛应用到各个领域,目标检测成为无人机视觉领域关键技术之一。针对无人机图像中场景复杂、尺度多变、小目标丰富等问题,提出了一种基于多尺度深度学习的自适应航拍目标检测算法。首先,构建自适应特征提取网络MSDarkNet-53,引入多尺度卷积方式,采用不同类型卷积核对不同尺寸目标进行运算,有效扩大感受野。其次,结合注意力机制的优点设计卷积模块,自适应优化特征权重,增强有效特征,抑制无效特征,得到表征能力更强的特征。最后,构建基于多尺度特征融合的预测网络,根据小目标的特点,选取多层级特征映射融合成高分辨率特征图,在单一尺度上进行目标分类和边界框回归。实验表明：本文算法提升了无人机图像的目标检测精度,具有良好的鲁棒性。     

考虑执行机构饱和的迎角跟踪控制

设计提出了 1种针对高光谱图像分类任务的 3D-MSCNN模型。在 PCA降维的基础上,利用 3D空谱特征提取网络和 2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度地表覆盖的表达能力。最后,利用 Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在 In. dian Pines和 Pavia University数据集上都取得了较好的分类效果。与 CD-CNN、3D-CNN、SS-Net和 HybirdSN等方法相比,本文算法能够有效提升总体精度、平均精度和 Kappa系数等客观评价指标。     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。     

基于VMD-CWT和改进CNN的直升机轴承故障诊断

由于直升机自动倾斜器滚动轴承振动信号具有非平稳、非线性特点,并夹杂非敏感故障特征信息,导致网络模型对周期信号过于敏感,不能充分利用故障信息的问题;针对此问题,提出一种变分模态分解(VMD)与连续小波变换(CWT)联合提取敏感故障特征的方法.研究表明:在相同模型训练下,该方法相对其他方法最高可提升模型准确率20.8％.为...     

基于卷积神经网络对磁异常信号的识别研究

航空磁探反潜作为航空反潜的重要手段,在其中发挥了重要作用。针对目前航空反潜作战中,磁干扰信号极大地影响对水下目标磁探测效果这个问题,文章先对输入信号进行预处理,并使用卷积神经网络实现对2种信号的识别。实验结果显示,卷积神经网络的方法对信号的识别率达到了85%,能够有效对信号进行准确地识别。