一种谐波减速器不对中误差分析方法

在空间环境中运行的星载天线转动单元中的谐波减速器产生的不对中故障信号故障特征难以提取,针对此问题提出了一种优化变分模态分解的故障诊断方法,这种方法基于鲸鱼优化算法(WOA)和Teager能量算子(TEO)包络解调。首先,由于包络熵对故障信号特征非常敏感,故采用包络熵作为适应度函数,同时其也是鲸鱼优化算法的目标函数。其次,WOA具有操作简单、调整参数少、跳出局部最优能力强等诸多优点,故使用WOA对变分模态分解(VMD)进行优化,构建优化算法。最后,使用Teager能量算子对本征模态分量(IMFC)进行处理。所提出的方法用于分析谐波减速器输入、输出轴两端收集的实验信号。通过与传统的快速傅里叶变换方法进行对比结果表明,所提出的方法提高了分解效率,在分解参数的原则和故障信号提取精度方面具有良好的性能,误差不超过2%,能够实现谐波减速器不对中故障信号的精确诊断,具有一定的研究意义与工程实用价值。     

高温合金IN718上气膜冷却孔电火花加工试验

针对高温合金IN718上ø0.5mm气膜冷却孔的加工,采用煤油中旋转电极内冲液电火花成型加工方法,利用正交试验设计方法对试验进行设计分析,分析峰值电流、脉宽、占空比和冲液压强4个因素对材料去除率和电极相对损耗的影响,基于正交试验结果建立综合评分公式,选择最优加工参数.研究结果表明,峰值电流对材料去除率的影响最明显, 其次为冲液压强和占空比,脉宽对材料去除率的影响很小;峰值电流对电极相对损耗的影响最明显,其次为冲液压强,占空比和脉宽对电极相对损耗的影响很小;最优的加工参数峰值电流为8A、脉宽为130μs、占空比为0.35、冲液压强为5MPa,对该参数进行加工试验研究,与分析结果一致.      

涡轮叶片耦合疲劳寿命预测与试验验证

为了解决涡轮转子叶片在温度、离心力和气动/噪声联合载荷作用下的疲劳强度问题,开展了高低周复合载荷谱分解方法和基于高低周载荷的全时域蠕变损伤累积模型研究,提出了同时考虑蠕变损伤、低周疲劳损伤和高周疲劳损伤的耦合疲劳寿命预测方法。同时,通过正交载荷解耦和耦合载荷协调加载控制等关键技术的应用,开发了高温环境下的高低周复合疲劳试验平台。最终,基于设计的涡轮叶片模拟件,完成了耦合疲劳寿命预测和试验验证。结果表明:模拟试件的耦合疲劳寿命试验结果分散系数为1.01,耦合疲劳寿命的预测结果与试验结果偏差小于24%,从而验证了疲劳寿命预测模型的正确性,为我国航空发动机热端部件的疲劳强度设计和验证提供了有效的技术途径。      

叠氮粘合剂推进剂热分解及燃烧性能研究综述

综述了叠氮类粘合剂ＧＡＰ，ＢＡＭＯ和ＡＭＭＯ的热分解及共推进剂的燃烧性能，认为叠氮类推进剂中－Ｎ３基受热易分解，因而基础燃速高，燃速温度敏感性大；在配方中引入有效的添加剂，可提高该类推进剂的燃速，降低其压强度指数。     

短切炭纤维/酚醛树脂胶粘剂的配方研究

为确定最佳组分含量,采用正交实验法对“酚醛树脂(PF) 纳米S iO2粉 石墨粉 ZrO2粉 短切炭纤维”胶粘剂体系进行了配方研究,并探讨了组分含量对胶粘剂性能的影响。得到的最佳配方为“PF 2%纳米S iO2粉 1%石墨粉 1%ZrO2粉 4%短切炭纤维”,其对石墨材料的粘接强度达11.6 MPa,胶粘剂本体线烧蚀率为0.058 mm/s,质量烧蚀率为0.0732 g/s。胶粘剂可进一步用于粘接修复C/C复合材料喉衬构件的工艺缺陷。     

热分析-红外联用对PDADN热分解动力学的研究

采用DSC-TG-FTIR等技术研究了PDADN热分解全过程,得到了分解气体产物红外特征相对吸收强度随时间或温度变化的“热-红”(TIR)曲线,建立了TIR曲线的非等温动力学处理方法,用Coats-Redfern方程和Ozawa方程计算获得了PDADN热分解气体产物生成的动力学参数和机理函数,从热分解各气体产物之间生成速率的“等动力学点”分析了PDADN的热分解机理。     

矩阵满秩分解的二种方法

本文详细介绍了求矩阵满秩分解的二种方法，即初等变换方法和Hermite标准形选取方法。     

基于Chebyshev正交分解的曲线运动轨迹SAR的Chirp Scaling算法

针对具有三维速度和加速度的曲线运动轨迹合成孔径雷达（SAR），传统的斜距模型无法精确描述其运动特性，曲线历程增加了距离走动现象和方位向时间的高次项，使二维耦合现象更为复杂。本文提出了一种考虑载体平台三维速度和加速度的Chirp Scaling算法以解决曲线运动轨迹SAR成像问题。首先根据运动方程建立斜距表达式，然后对其进行Chebyshev近似，并构造其等效双曲方程形式的斜距模型，推导了具有空变性的距离徙动函数，Chirp Scaling因子以及适用于曲线轨迹的Chirp Scaling成像算法。仿真结果证实了此扩展的等效斜距模型和Chirp Scaling算法在大合成孔径时间下的有效性，并给出了三维加速度的边界值。     

An update global model of hmF2 from values estimated from ionosonde and COSMIC/FORMOSAT-3 radio occultation

In this paper, we present our recent work on developing an updated global model of the ionospheric F2 peak height hmF2 parameter by combining data from the Constellation Observing System for Meteorology, Ionosphere and Climate (COSMIC/FORMOSAT-3) radio occultation (RO) measurements and from the extended global ionosonde stations. In particular, 10 Chinese ionosonde stations’ data are newly introduced into this study. The modeling technique used is based on a two-layer empirical orthogonal function (EOF) expansion. Global distributions of hmF2 maps calculated using the newly constructed global model and the one provided by the International Reference Ionosphere model (IRI-ITU-R) are compared with the global distributions of hmF2 obtained by the COSMIC RO measurements and quantitative statistical analysis of the differences between the model results and those of the COSMIC RO measurements is made for the low (2008) and high (2012) solar activity years. The obtained average root-mean-square differences (RMSEs) for our model are 27.7 km (11.1%) and 31.0 km (9.8%), respectively for the years 2008 and 2012, whereas those for the IRI-ITU-R model are 39.9 km (16.9%) and 35.0 km (11.6%), respectively. Comparison of the results calculated both by our model and the IRI-ITU-R model with the digisonde observation is also made. The comparisons show that the newly constructed global hmF2 model can reproduce reasonably well the observations and perform better than IRI-ITU-R model.     

基于EMD及PNN的航天器振动环境分析

针对航天器非平稳随机振动信号模态频率密集的特点,提出了基于经验模式分解EMD (Empirical Mode Decomposition)的多分量过程神经网络PNN(Process Neural Network)自回归模型.通过EMD对原始时间序列进行分解, 使之成为一组不同尺度的局部正交本征模函数IMF(Intrinsic Mode Functions),利用PNN对每个IMF分别进行时变参数分析并以此确定其时变自功率谱密度,对所有分量的时变自功率谱密度通过叠加进行重构, 以此得到原始信号的时变自功率谱密度.仿真结果和实例分析表明:和传统的时频分析法相比,该方法直接使用信号数据,避免了相关估计计算,减小了计算工作量;无交叉干扰项,提高了信号的时频分布特性,具有较高的时频分辨率;对各工况下航天器的振动信号能有效的进行分析,具有较强的信号特征提取能力.