基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

燃烧室-涡轮耦合流动传热超大涡模拟研究

为了准确预测发动机燃烧室和涡轮耦合复杂气热环境下涡轮部件的流动和换热特性,应用基于BSL k-ω湍流模型的高精度超大涡模拟方法(VLES),以及SST k-ω雷诺平均湍流模型对雷诺数为Re=3.8×105的高压涡轮导叶在均匀进口条件以及燃烧室-涡轮耦合情况进口条件下的涡轮流动和传热进行了数值研究.耦合火焰面生成流型(F...     

三聚氰胺泡沫压缩缓冲性能研究

面向航天器对高性能缓冲材料的设计需求,采用重复压缩循环加载、长时恒压强加载、长时恒位移加载等多种加载方式,对三聚氰胺泡沫材料在不同状态下的压缩缓冲性能进行了表征。分析了压溃预处理、多次抽真空预处理、长时压缩处理等多种处理方式对三聚氰胺泡沫压缩缓冲性能的影响规律。结果表明,随着60%重复正压缩次数增加,泡沫压强-位移曲线逐步滞后;重复正压50次后,泡沫发生9.8%永久塑性变形;负压压溃预处理对泡沫力学性能影响较大,6和8 mm泡沫最大压强分别衰减至64%和66%;长期恒位移压缩两个月后,泡沫压强衰减14.88%。三聚氰胺泡沫压缩试验结果可为后续航天器缓冲材料、缓冲结构的选择和设计提供参考。     

浅析视频压缩国际标准

对视频和音频信息进行交互性处理,是多媒体技术的基本特征之一.视频压缩技术是数字视频领域的一项关键技术.本文旨在介绍几种应用较为广泛的视频压缩国际标准,并重点分析了活动图象专家组MPEG-2的工作原理及主要应用.     

轴向载荷下复合材料元件吸能能力的试验研究

试验研究了三种结构形式的复合材料元件在轴向准静态载荷下的压溃过程和能量吸收能力。通过组试件在轴向准静态载荷下的压溃试验，研究复合材料的缓冲吸能机理，对吸能能力进行了定义，并对试件的峰值截荷、持续压溃载荷和吸能能力等作了定量分析。     

快速可重构信息系统的框架研究(英文)

变化和重构是快速可重构信息系统 (RRIS)的两个核心概念 ,RRIS对变化的适应或演化能力使它优于传统信息系统。本文首先提出 RRIS的体系结构 ,然后以 RRIS框架为重点 ,讨论框架的定义、分类及设计 ,研究框架的构成、构成元素 (业务构件 )的设计及构件如何在构架的组织下协调地安插在 CORBA的软总线上 ,实现类似硬件IC的即插即用。构件在框架上即插即用的灵活机制及热点构件 (反映变化 )的灵活运用 ,提高了框架的可扩展性、可定制性 ,从而提高了 RRIS适应变化的可重构性。     

套筒式张线天平的研制

根据民机张线测力试验的特殊要求,研制了一台套筒结构形式的张线天平.详细介绍了该天平在研制中遇到的难点、关键技术的解决措施以及研制的结果.天平元件布置在φ58mm的外套筒上,内杆直径为φ44mm,外套筒和内杆通过楔块焊接在一起.法向力、俯仰力矩和滚转力矩为拉压变形,横向力和偏航力矩为“S”形变形,轴向力为弯曲变形,元件支撑部分受拉压变形且刚度较强.通过对天平进行有限元分析,在法向力和俯仰力矩作用下,得出的应变结果与实际输出基本吻合.风洞试验结果表明:天平设计合理,天平外套筒、内杆及张线支撑系统刚度好,天平各分量测量精度高.     

基于Web的带宽自适应组件化多媒体监控系统

当前的分布式多媒体监控系统存在通用性、易用性和扩展性不足等缺点,且不能自适应多种网络状况.为解决其通用性、易用性问题,参考流媒体系统结构,给出了基于Browser/Server模式的监控系统结构.为增强其可扩展性,在DirectShow技术基础上,设计了基于COM的监控系统软件结构.采用带宽自适应的策略和方法,实现了系统对多种网络状况的动态自适应.      

基于模式特征的图像压缩算法

从人眼视觉特征与空域模式特征的角度出发,提出了一种基于模式特征的图像压缩算法。经过对一组遥感图像的对比试验,可以看出本算法在对纹理信息丰富的遥感图像进行压缩时明显优于SPIHT算法。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题,为进一步提高故障诊断准 确率,提出了基于小波变换和粒子群优化(Particle swarm optimization,PSO)支持向量机 (Support vector machine,SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析,然后通过小波分解计算分形维数,再利用核主元分析（Kernel pri ncipal component analysis,KPCA）降低特征值维数,实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证, 获取了较高的故障诊断准确率,与其他方法进行比较,实验结果显示了本文方法的优越性。