直升机关键构件疲劳寿命监控中的核心技术

本文介绍了直升机结构疲劳寿命监控的技术和方法,指出了疲劳寿命监控的核心在于载荷谱的识别。并介绍了目前载荷谱监控的两种途径:直接载荷监控方法和飞行状态识别方法。最后根据我国实际情况,指出开展飞行状态识别研究,不适为一种适合我国情况行之有效的方法。     

滑动轴承最佳稳定性的优化方法

在求解短轴承非线性油膜力作用下轴心涡动轨迹的基础上，给出了轴颈瞬时涡动能量的表达式，建立了以涡动能量的时间积分为最小的具有最佳稳定性的滑动轴承参数优化模型，并采用最优控制理论对这一模型进行了求解，结合算例说明轴承最佳参数的确定方法     

机场道面使用性能预估理论和模型

机场道面使用性能预估理论和模型是构建机场道面管理系统的核心组成之一。由于机场道面结构、飞机荷载作用的复杂性,加之道面长期经受室外各种气候影响,对机场道面性能进行预估具有相当大的难度。根据国内外常用的机场道面性能模型研究状况和道面管理系统的特点,介绍了道面结构剩余使用寿命、道面状况指数PCI、道面防滑性系数μ和道面国际平整度指数IRI常用的衰变模型。     

航空发动机压气机转子重量预估方法研究

在航空发动机结构方案设计阶段，要从众多设计方案中选出一个既合理、又经济，既满足性能要求、又具有较轻重量的设计方案，需要对不同设计方案进行重量预估。本文针对压气机转子，提出了一种预估其重量的方法，并进行了实例计算。取得了较满意的结果。     

基于可逆提升小波变换和上下文预测的SAR图像无损压缩算法

 结合可逆提升小波变换和上下文预测技术 ,提出基于可逆提升小波变换和上下文预测的合成孔径雷达 (SAR)图像的无损压缩算法。分析了基于提升小波的无损压缩算法和基于上下文预测编码的无损压缩算法的优缺点 ,联合两种体制 ,提出先用提升小波变换去除整幅图像的冗余 ,再用边缘保留预测器和子预测器联合技术进一步消除子带内系数间的空间冗余性 ,最后采用自适应上下文建模技术对残差进行分类自适应熵编码。除具有常规小波变换编码的优异性能外 ,该算法的压缩率优于即将推出的国际标准JPEG2000。     

固体火箭发动机总冲精度预示与分析

介绍一种发动机总冲精度预示的工程方法。利用编制的计算机软件，调整影响总冲精度的各参量公差范围，可控制固体火箭发动机的总冲相对偏差达到技术指标要求。通过几个实例，表明该方法有较好的实用性。同时还分析了控制发动机总冲偏差的有效措施，为设计者合理地制定发动机主要性能参数和结构尺寸的公差与技术条件提供了依据。     

整机瞬态动力特性计算及稳定性分析

采用子结构传递矩阵—模态综合法研究了航空发动机整机的瞬态动力特性及稳定性。分析了各种因素（突加不平衡大小及位置、转速、油膜间隙等）对瞬态响应和稳定性的影响规律，得到一些有价值的结论。     

计算缺口局部应力应变的能量法和低周疲劳寿命预测

局部应力应变法已成为预测结构零、部件疲劳寿命的有效方法。 在工程上,常常用近似的方法来计算应力应变。其中最常用的一种近似方法就是Neuber法,其优点是计算比较简单,但是,所得的局部应变往往偏大,用此应变预测疲劳寿命则偏于保守。因此,有人提出用疲劳缺口系数来代替Neuber法中的应力集中系数。     

亚大地区F2电离层预测方法和CCIR方法的比较

本文将“国际参考电离层”所采用的CCIR频率预测方法和亚大地区F_2电离层预测方法预测的f_0F_2和M(3000)F_2,分别与第21太阳活动周的我国实测数据进行了比较。结果表明,从总体上看,在中国区域内亚大地区F_2电离层预测方法优于CCIR方法。文章建议,在没有更好方法的情况下,未来的“中国参考电离层”可以采用亚大地区F_2电离层预测方法。     

Prediction of geosynchronous electron fluxes using an artificial neural network driven by solar wind parameters

There are hundreds of satellites operating at the geosynchronous (GEO) orbit where relativistic electrons can cause severe damage. Thus, predicting relativistic electron fluxes is significant for spacecraft safety. In this study, using GOES satellite data during 2011–2020, we propose two neural network models with two hidden layers to predict geosynchronous relativistic electron fluxes at two energy channels (>0.8 MeV and > 2 MeV). The number of input neurons of the two channels (>0.8 MeV and > 2 MeV) are determined to be 36 and 44, respectively. The > 0.8 MeV model has 22 and 9 neurons in the hidden layers, while the > 2 MeV model has 25 and 15 neurons in the hidden layers. The input parameters include the north–south component of the interplanetary magnetic field, solar wind speed, solar wind dynamic pressure and solar wind proton density. Through the analysis of different time delays, we determine that the optimal time delays of two energy channels (>0.8 MeV and > 2 MeV) are 8 days and 10 days, respectively. The training set and validation set (Jan 2011-Dec 2018) are divided by the 10-fold cross-validation method, and the remaining data (Jan 2019-Feb 2020) is used to analyze the model performance as a test set. The prediction results of both energy channels show good agreement with satellite observations indicated by low RMSE (～0.3 cm^-2sr^-1s^?1), high PE (～0.8) and CC (～0.9). These results suggest that only using solar wind parameters is capable of obtaining reasonable predictions of geosynchronous relativistic electron fluxes.