对422M型三坐标测量机的改进及其在生产中的应用

叙述了对瑞士422M型三坐标测量机测头装置、显示方法的改进和获得最佳测量效果的途径。     

二元收扩喷管气动方案优化设计

为掌握二元收扩喷管气动特性和设计方法,通过数值模拟方法对采用超椭圆方程进行圆转方过渡的小宽高比二元收扩喷管进行研究。计算分析了喉道宽高比、圆转方段长度、收敛调节片长度及扩张调节片长度4个参数对二元收扩喷管气动性能的影响,通过对上述4个参数的优化得出了综合性能较优的二元收扩喷管气动方案。研究结果表明:经过适当优化,二元收扩喷管能够满足工程应用要求,同时,鉴于其在隐身和矢量推进等方面的优势,有必要对其开展更加深入地研究。     

高雷诺数下机翼表面层流段长度对减阻量的影响

层流减阻技术是提高飞机经济性的重要手段,开展可应用于工程实践的层流减阻研究具有重要的意义。针对某民用飞机翼身组合体构型,采用数值模拟法分别研究雷诺数为1.0×107和1.8×107时全湍流以及机翼弦向保持7%、15%、20%、30%、40%层流段长度范围的减阻特性。结果表明:与全湍流情况相比,层流段长度的增加可以有效减小飞机阻力,增加升阻比;当层流段长度保持在40%时,飞机的减阻量可以达到11.0%左右,而升阻比可增加12.3%左右,且在较小雷诺数下有着更大的减阻收益;层流范围增加可有效减小摩擦阻力系数。     

复合材料 ENF 试件裂纹扩展理论分析简

 对复合材料端部缺口弯曲（ENF）试件裂纹扩展过程进行了理论分析,研究了界面参数变化对载荷-位移曲线的影响。首先在梁微段分析的基础上,通过双线性Cohesive本构模型模拟了界面损伤。本文模型中考虑了轴力的影响,根据界面损伤程度对模型进行了分段,并分别获得了各段通解。以裂纹长度以及黏聚区范围为变量分析了ENF试件裂纹扩展过程,求解获得了载荷-位移曲线。通过与已有理论模型结果对比,验证了本文理论分析的正确性,且本文理论考虑了弹性段后非线性的存在。分析了界面参数与黏聚区长度的关系,为界面参数的选取提供了一定的依据。     

基于惯性/激光测距/视觉里程计组合的高空场景尺度误差估计方法

惯性/视觉感知信息融合导航定位技术是目前实现无人机不依赖卫星自主导航的最有效手段。但对于面向高空场景的大型无人机,惯性器件误差与视觉里程计尺度误差耦合且特征平面化导致可观测性下降。针对这一问题,提出了利用惯性/激光测距/视觉里程计组合实现尺度误差估计的方法。通过开展误差模型建立、激光测量点与图像中位置匹配、无人机平飞机动下系统可观测性分析等关键技术研究,实现了高空场景下尺度误差的精确估计。经过300m高度机载试验数据验证,算法精度优于1.5%D,对卫星拒止条件下高空无人机自主导航具有重要意义。     

电阻应变计敏感栅结构参数对其测量精度的影响

为了提高电阻应变计测量精度,建立了“简支梁-过渡层-基底-栅丝”结构的3维有限元模型,利用数值模拟方法研究了敏感栅结构参数对测量精度的影响;提出横向效应长度比参数,统一了栅丝长度、间距、弯数3种结构参数,建立了测量误差与横向效应长度比的函数关系,基于此函数关系推导出结构参数优化公式,并利用优化公式完成了敏感栅结构参数组合设计。结果表明：栅丝直径越小,测量误差越小;栅丝长度、间距、弯数、长宽比存在最优值;测量误差与横向效应长度比成分段线性函数关系,且当横向效应长度比为6.15%时测量误差最小;利用函数关系式可以快速估算出给定敏感栅结构参数的应变计测量误差,估算结果与有限元计算结果的相对误差不超过4%;利用优化公式设计出的参数组合的测量误差不超过0.06%,且较单独优化的最优值参数组合的减小0.1%左右。     

滑移流区内不同Kn数对流动及传热影响的数值分析

针对微尺度二维通道气体滑移流区的流动阻力和传热特性,采用滑移模型和SIMPLER数值进行了模拟分析.研究了定热流情况下不同Kn数时通道内压力、速度和温度场的分布以及流动阻力和换热的特性.数值分析结果表明随着Kn数的增大,速度滑移和温度跳跃的程度都增加,并且影响着流动阻力的下降,但两者对于换热系数的影响趋势是相反的:速度滑移有利于提高换热系数,而温度跳跃则降低换热系数,但总体上增加了微通道中的热阻.     

融合CNN-Transformer的红外弱小目标检测方法

针对远距离红外目标探测技术中存在的弱小目标特征信息提取困难、局部背景噪声干扰强导致检测算法虚警率和漏检率偏高的问题,提出了融合CNN-Transformer的单帧红外弱小目标检测算法。针对已有方法在提取红外弱小目标特征信息时感受野受限且易受到局部噪声干扰的问题,对Swin Transformer中的窗口自注意力计算模块进行改进,设计了基于可分离卷积的局部感知增强模块,兼顾对全局信息和局部信息的提取,提升骨干网络对弱小目标空间分布信息的提取能力。针对小目标特征难以在深层网络中保留的问题,设计了自下而上的多尺度特征融合模块,在不同层级的特征图之间利用注意力机制确保小目标的低层特征信息能够在高层特征图中得以保留。在公开数据集NUAA-SIRST上进行了测试,验证了本文所提算法相比已有算法取得了更佳的检测效果,同时能够兼顾对检测精度和召回率的优化。