天基与地基测量数据融合技术在靶场的应用

随着GPS技术的发展,靶场的测控也在逐步由地基测控网过渡到天地结合的一体化综合测控网。如何将天基测量数据同靶场现有的高精度测量带测量数据融合处理,近年成为数据处理的热点话题。本文就某具体任务,对天基和地基测量数据融合技术的方法和工程应用作了详细介绍,给出了初步的结论,提出了天基测量数据在工程应用时应注意的问题和有待进一步分析的问题。     

组合动力用过氧化氢煤油推力室热防护方案设计方法

本文面向组合动力对过氧化氢煤油推力室的应用需求,建立工程计算方法以进行热防护方案设计。通过修正燃气对流换热系数和引入液膜分解率完善工程算法,使工程计算结果与三维流固热耦合计算结果和实际试验结果符合较好。在此基础上,对组合动力用推力室进行热防护方案设计,结果表明：采用头部过氧化氢液膜和身部过氧化氢再生的方式可实现可靠热防护,其中,液膜流量在氧化剂中占比为30%。采用上述研究思路具备开展快速方案论证的能力,可在众多方案中选出热防护性能较优的方案。     

并行工程工作方法在飞机研制中的应用

描述了并行工程的定义、内涵及应用目标,结合飞机研制中采用并行工程时容易出现的问题,探讨了如何采取有效措施加以防范,使并行工程工作方法在飞机研制项目中更有效地发挥作用,旨在为管理者和技术人员提供参考。     

构建民用航空产品研制工程技术体系的探讨

从商用航空产品市场客户特性决定了商用航空产品产业链向下游延伸的事实出发,说明商用航空产品研制的工程技术体系不应该简单借用军用产品研制的经验,而要从全产业链的工程技术活动出发,创建适合自身需求的新的工程技术体系,特别是在数字化时代,对产品数据包和产品研制数据流动要有新的认识,以求更科学有效地涵盖产品全寿命期,以包括设计、制造和服务三大技术分体系在内的产品工程技术体系运作来替代传统意识下的仅以设计为内涵的产品研制技术体系运作,保障商用航空产品研制的成功。     

机械类高职工程力学课程分层次教学的探讨与实践

从上世纪九十年代末至今，我国高等教育飞速发展，尤其是高等职业教育更是史无前列。通过分析新形势下高职学生的现状，总结多年机械类高职工程力学课分层次教学经验，使机械类高职工程力学课程教学走出一条应用特色之路，培养社会急需的复合型人才是行之有效的。     

基于MBSE的副翼及其操纵系统研发技术及应用

飞机的设计研发是一项涉及多学科领域、多目标、多约束的复杂系统工程过程,系统耦合紧密、参与人员众多、设计信息庞杂,以文档为中心的需求管理等传统研发方法突显出一定的困难,亟需探索新的飞机设计研发方法。以副翼及其操纵系统为研究对象,对基于模型的系统工程(Model Based System Engineering,以下简称MBSE)方法进行了探索研究:采用达索MBSE方法论-MMS(Modeling Methodology for Systems,以下简称MMS),从使命、服务、功能和组件不同视角对副翼及其操纵系统研发的各个方面进行解析,进而完整定义系统;利用达索3D Experience平台,通过RFLP系统工程架构,进行了副翼及其操纵系统的需求开发、功能分析及逻辑架构设计,完成了需求、功能、逻辑架构、系统仿真、物理设计等模型的关联追溯,实现了以达索MBSE方法论为核心的研发技术的有效应用。     

空间变化场景下卫星部组件域适应识别研究

针对小样本限制下卫星部组件识别域适应困难的问题,提出一种变化场景下自适应迁移的目标识别算法.卫星部组件的识别模型框架为YOLO,迁移算法包括3个策略:基于特征关联性的样本加权策略,基于模型的参数自适应策略和最优特征变换自适应迁移策略.基于以上策略,YOLO模型建立域特征空间的相似性,选择性地迁移源域知识,同时在适应过程...     

增材制造技术在液体火箭发动机领域的最新进展及产业化推进

介绍了航天领域液体火箭发动机的工作环境与制造特点，分析增材制造技术原理与在其制造领域存在的优势，综述分析了国内外航天增材制造技术应用最新情况；结合液体火箭发动机工程应用实例，对增材制造工程应用发展所经历的替代传统工艺、集成制造、轻量化制造和系统集成设计四个阶段的工程应用与效果进行了系统分析；并指出目前航天液体动力增材制造技术工程化应用推进过程存在的问题及解决方案，提出了增材制造产业化的发展建议。     

Rotating machinery fault detection and diagnosis based on deep domain adaptation: A survey

In practical mechanical fault detection and diagnosis, it is difficult and expensive to collect enough large-scale supervised data to train deep networks. Transfer learning can reuse the knowledge obtained from the source task to improve the performance of the target task, which performs well on small data and reduces the demand for high computation power. However, the detection performance is significantly reduced by the direct transfer due to the domain difference. Domain adaptation (DA) can transfer the distribution information from the source domain to the target domain and solve a series of problems caused by the distribution difference of data. In this survey, we review various current DA strategies combined with deep learning (DL) and analyze the principles, advantages, and disadvantages of each method. We also summarize the application of DA combined with DL in the field of fault diagnosis. This paper provides a summary of the research results and proposes future work based on analysis of the key technologies.