高速流中壁面剪应力某些测量方法

本文综述了高速流中壁面剪应力的三种测量方法——普雷斯顿管法,底层隔板法和表面热膜法。着重讨论压缩性影响。作者还用 White-christoph 壁面律,导出计及压缩性,压力梯度和壁面热传导影响的普雷斯顿管理论校准公式,又从二维可压缩边界层的能量积分关系导出了表面热膜测量所需的壁面剪应力和压力梯度、压缩性及壁面热传导率的关系式。     

铝合金薄蒙皮零件成形工艺

通过分析铝合金薄蒙皮零件的结构及其成形工艺特点,拟定针对性工艺措施,设计了合理的模具结构,实现了该类零件在橡皮囊液压成形机上的液压成形。     

曲面和任意取向表面表面摩阻油膜测量法的进展

本文叙述曲面和任意取向表面表面摩阻测量方法的进一步的发展。介绍用漫射照明获取薄油膜等厚度干涉条纹谱的理论根据和实验结果。讨论了通过油流显示图像的分析,自动探测表面流线方位的可能性。所得结论表明油膜法也能应用于复杂的三维流动。     

可变后缘弯度机翼柔性蒙皮的变形特性分析

应用面元法和有限法建立了柔性蒙皮在气动载荷作用下的流固耦合分析方法。数值仿真结果表明:位于变形后缘上表面的柔性蒙皮在气动载荷作用下将被"吸"成鼓包形状,且这个局部变形对翼型后缘部分的压力分布具有很大影响。在此基础上,研究了柔性蒙皮在气动载荷作用下的变形随其弹性模量、厚度和初始预应变的变化规律。可以得出,柔性蒙皮的变形量随着翼型后缘偏角的增加而先增大后减小,并不是随着后缘偏角的增加而增大;增加蒙皮的厚度可以减少柔性蒙皮的最小弹性模量和最小拉伸刚度,但蒙皮的厚度受限于机翼的结构空间;满足Jacobs形变准则的蒙皮最小拉伸刚度随着蒙皮预应变的增加而降低。     

钛合金蜂窝结构蒙皮脱焊缺陷锁相红外热成像检测

蒙皮脱焊是钛合金蜂窝结构制造和服役过程中最常见的缺陷类型。受钛合金材料热导率低的影响,钛合金蜂窝结构中蒙皮越厚,红外热成像检测时其表面反映脱焊缺陷信息的温度差异信号就越弱,检测难度就越大。针对这一问题,研究了不同蒙皮厚度钛合金蜂窝结构锁相红外热成像检测时调制频率的选取范围。建立了钛合金蜂窝结构锁相红外热成像检测有限元模型,分析了蒙皮表面温度在调制热流作用下的变化历程,基于相关算法提取了蒙皮表面对应缺陷区和非缺陷区的相位差,分析了相位差与调制频率、蒙皮厚度的关系。利用锁相红外热成像检测系统对预制脱焊缺陷的蜂窝试件进行了实验研究,获得了缺陷区与非缺陷区信号相位差与调制频率的关系。研究结果表明,针对蒙皮厚度为0.6~2.0 mm的钛合金蜂窝结构,采用0.04~0.10 Hz的调制频率能够获得最佳检测结果。研究结果为钛合金蜂窝结构实际检测提供了工艺指导。      

对卫星承力筒结构合理选用的初步研究

对铝合金桁条蒙皮结构的承力筒、碳纤维蒙皮桁条结构的承力筒、波纹筒和蜂窝筒的力学性能、制造工艺、研制成本及周期等进行了多方面的综合比较，认为承力筒的结构应根据卫星总体构型及其要求、承载能力、经济实力和对有效载荷的适应性等多方面的需求，合理和适当地选用承力筒结构。给出了选用卫星承力筒结构的一般原则。     

基于线结构光的飞机蒙皮对缝阶差与间隙测量技术研究

针对飞机蒙皮对缝阶差与间隙的数字化检测问题,以线结构光视觉测量技术为基础,提出了阶差与间隙测量模型,从阶差与间隙的尺寸和位置两个方面设计测量方法。使用线结构光视觉传感器完成阶差与间隙的尺寸测量,同时利用iGPS测量系统对视觉传感器的位姿进行实时跟踪测量,从而确定阶差与间隙的测量位置。通过试验验证了算法的正确性和稳定性,能够实现非接触、高精度测量:试验结果表明:5mm内阶差的重复测量精度优于0.04mm,间隙的重复测量精度优于0.05mm。     

机身蒙皮精准铣切系统研制

针对某型号飞机机身蒙皮精准外形需求,研制了一套机身蒙皮精准铣切系统.详细分析了机身蒙皮精准铣切系统的结构和工作原理,重点讨论了铣切系统刀具设计及其气动控制系统回路方案.机身蒙皮精准铣切系统经过安装、调试和现场应用验证,在保证安全的同时,实现了对飞机蒙皮进行切割的功能.结果表明,该系统能高效准确地完成机身蒙皮的铣切工作,保证飞机产品的制造准确度.     

S形蒙皮零件成形工艺

通过运用S3F软件对S形蒙皮拉形过程进行模拟仿真分析,评估S蒙皮拉形工艺性;预测拉形过程中将产生的缺陷;制定合理工艺方案;优化零件设计和模具结构;实现了该蒙皮零件在数控蒙皮拉伸机上的拉形。     

Visual inspection of aircraft skin: Automated pixel-level defect detection by instance segmentation

Skin defect inspection is one of the most significant tasks in the conventional process of aircraft inspection. This paper proposes a vision-based method of pixel-level defect detection, which is based on the Mask Scoring R-CNN. First, an attention mechanism and a feature fusion module are introduced, to improve feature representation. Second, a new classifier head—consisting of four convolutional layers and a fully connected layer—is proposed, to reduce the influence of information around the area of the defect. Third, to evaluate the proposed method, a dataset of aircraft skin defects was constructed, containing 276 images with a resolution of 960 × 720 pixels. Experimental results show that the proposed classifier head improves the detection and segmentation accuracy, for aircraft skin defect inspection, more effectively than the attention mechanism and feature fusion module. Compared with the Mask R-CNN and Mask Scoring R-CNN, the proposed method increased the segmentation precision by approximately 21% and 19.59%, respectively. These results demonstrate that the proposed method performs favorably against the other two methods of pixel-level aircraft skin defect detection.