飞机油箱检查机器人的仿生结构及运动学研究

针对民航飞机油箱等内部结构复杂且充满危险气体的环境需要进行三维检查的问题,研究设计了基于仿生学的机器人结构.该机器人具有多个柔性的连续型关节,采用线驱动方式控制关节的弯曲及旋转.对具有柔性特征的连续型单关节采用投影曲率法和虚坐标变换法建立了驱动绳长变化量、关节角变量和关节末端位姿三者之间的映射关系.在分析单关节运动学基础上推导出了多关节之间解耦运动学方程.对机器人进行了三维建模,采用仿真实验验证了在油箱内的空间可达性.通过实验样机实验,进一步验证了机器人的空间运动能力和所提出的运动学方法的正确性.     

火箭发动机涡轮泵故障检测及预测算法研究

涡轮泵作为液体火箭发动机的核心部件,恶劣的工作环境和极高的转速使其易发生组件断裂、烧蚀等问题。为了对液体火箭发动机的涡轮泵进行健康管理,提出针对某型液体火箭发动机涡轮泵的数据驱动故障检测、故障预测及健康状态评估方法。在某型液体火箭发动机试车数据集上,通过对涡轮泵轴、径、切向振动数据进行对应的时域、频域特征处理后,送入训练好的ResNet网络、自主设计的图像特征识别算法以及退化模式线性回归模型,分别实现了对该型液体火箭发动机涡轮泵的故障检测、预测及健康状态评估,具有较高的准确性。     

数据库管理系统VFP的教学改革

本文分析了高校VFP教学中存在的问题,从教学思想、教学方法、教学手段等方面对数据库管理系统VFP的教学改革做了初步探讨,提出了改革的有效措施,对教学中出现的问题给出了解决方法。     

2GHz～6GHz功率驱动模块研究

文章研究了工作频率为2GHz～6GHz的微波功率模块（MPM）中的功率驱动模块。分析了功率驱动模块的特性与基本分析方法,重点研究了驱动模块中均衡网络的分析与设计及功率放大器的偏置技术。针对微波功率模块中小型化行波管的离散特性,可以利用仿真软件的优化功能快速地对功率驱动模块进行辅助设计。基于此方法,设计了一个频率为2GHz～6GHz、最大输出功率达32．5dBm的功率驱动模块。     

基于改进无模型自适应算法的涡扇发动机限制保护控制方法

针对发动机限制保护控制问题,提出了一种基于数据驱动的改进无模型自适应限制保护控制方法。以主回路闭环系统为设计对象,通过在常规无模型自适应控制律的准则函数中增加误差变化率,使超限保护系统具有更快的响应速度,给出了改进后系统的稳定性条件,并采用临界比例度法进行了控制器参数整定。仿真结果表明:在不同工作点,所设计的改进无模型自适应限制保护控制器相比常规无模型自适应限制保护控制器,最大超限平均减小2.97%,响应时间平均缩短2.30s,实现了发动机超限后的迅速回调,保证了发动机系统的安全运行。     

面向自动化物料传送的被动驱动托架设计与分析

针对现有的航天飞行器数字化装配生产线产品转运自动化、装配数字化的发展趋势,设计了一套兼容生产线全流程转运工作设备、适应多几何尺寸的托架.在分析作业现场产品转运流程、保证要求以及装配需求的基础上,提出了一种基于辊杠动力源的被动驱动托架总体设计方案,解析了托架关键受力部位和薄弱点,有针对性地开展了关键部件的设计、计算、校核...     

IKAROS太阳帆的关键技术分析与启示

分析了国外太阳帆的发展现状,重点论述了世界上首次成功飞行的太阳帆——太阳辐射驱动星际风筝航天器（IKAROS）的总体设计、材料设计、空间展开和姿态控制等关键技术,以及中国开展太阳帆和空间大型展开结构的总体设计、空间展开、姿态控制、空间环境适应性等关键技术,提出了系统开展以太阳帆为代表的大型轻质展开结构研制与应用的建议。     

三自由度平面驱动冗余并联机器人的设计空间

机器人机构尺寸综合是一个极其复杂而重要的问题,本文采用空间模型理论将三自由度平面驱动冗余并联机器人机构无限多维的物理尺寸转换为三维而有限的设计空间中,进一步得到了设计空间的平面图,并给出了其应用例。设计空间的建立为研究该机器人性能与尺寸关系及其优化设计奠定了基础。     

基于ANSYS的1-3型压电纤维复合材料结构优化

采用有限元方法,对1-3型压电纤维复合材料macro-fiber composites(MFC)建立微机电模型,讨论了交叉指形电极关键尺寸、两相结构尺寸对驱动性能的影响。结果表明:分支电极中心距p一定时,取较大的分支电极宽度w可得到较大的自由应变和夹持应力;当分支电极宽度w不变时,随p/w的增加,自由应变增加而夹持应力减小;采用交叉指形电极结构可使1-3型压电纤维复合材料具有较高的横观各向异性,横向效应系数可提高2.3倍。较小的聚合物层厚度a、纤维截面尺寸c有助于提高压电纤维复合材料的驱动性能,较小的纤维间聚合物宽度b有助于提高压电纤维复合材料的自由应变,而同时夹持应力则相应降低。     

数据驱动的装药浇注过程关键参数预测

当前固体火箭发动机制造过程中推进剂生产质量波动大,而浇注速度及浇注量是影响装药质量的关键工艺参数。针对在混合锅结构限制、药量巨大以及热固性推进剂粘度随时间变化而变化的工艺特点导致壳体内无法布置传感器直接测量浇注速度和浇注量等关键参数的问题,通过机器学习技术,利用可直接测量的与浇注速度和浇注量相关的其他工艺参数以及设备运行参数等大量试验数据构建浇注速度和浇注量的在线预测模型,实现其间接软测量。首先,采集可直接测得的实测工艺参数作为训练和测试数据;然后,结合浇注花板的具体结构,通过支持向量机和极限学习机等非线性回归的机器学习方法训练数据,建立壳体花板出口处的浇注速度和浇注量回归模型,用于在线预测;最后,在实验室环境下的缩比模拟器上进行浇注速度和浇注量检测验证,表明该方法为装药浇注工艺过程的数字化和智能化可行性提供了依据。