C/SiC复合材料螺钉拉伸强度分布模型

C/SiC复合材料螺钉是在高超声速飞行器上应用越来越广泛的一类重要紧固件,但其拉伸性能存在较大散差,分布规律尚不明确,给材料选用和结构设计带来了很大困难。本文采用电子万能试验机对M8、M10、M12三种规格的平头C/SiC复合材料螺钉进行力学性能试验,并分析了拉伸强度的分布规律。在此基础上应用双参数Weibull模型对统计数据进行拟合,并对拟合结果进行了柯尔莫哥洛夫检验。结果表明:C/SiC复合材料螺钉的拉伸性能分布满足双参数Weibull模型,其特征强度β为212 MPa,形状参数α为9. 45,可以据此进行复合材料许用强度设计。     

区间数据回归分析方法

提出区间数据回归分析方法, 建立区间数据回归方程, 给出回归系数的最佳无偏整体估计及其协方差矩阵.详细讨论了工程中常见的极值分布、Weibull分布和正态分布的等尺度和非等尺度(或异方差)线性回归分析.该方法可以将各个不同状态下的区间数据作为一个整体进行统计分析, 具有信息量大、精度高的特点.      

航空发动机涡轮前温度场数据分析方法

在航空发动机整机测试条件下,温度场测试具有局限性。介绍了1种发动机涡轮前温度场测试数据的统计分析方法,该统计方法较为有效;引入模糊原理,对统计量进行了概率分析,使得统计量评估更加完善。     

圆柱尾流中眼镜蛇探针与热线的性能对比

在雷诺数为7200的圆柱尾流中对眼镜蛇探针与热线的测量结果进行了详细对比,主要包括:时均速度、雷诺应力、概率密度函数、自相关函数和能谱等。从对比结果可以发现眼镜蛇探针数据的拒绝率随湍流度增大而增大,但在本实验中其对时均测量结果无明显影响。尽管眼镜蛇探针数据有效率在95%以上,但相对于热线其明显高估了雷诺应力。尤其是主雷诺剪切应力u*v*,眼镜蛇探针与热线测量结果的差异要显著大于两者在雷诺正应力上的测量差异。由于无法反映高频随机脉动的影响,眼镜蛇探针所测信号自相关系数的周期性明显强于热线。眼镜蛇探针对速度u和v的响应存在区别,使得两者能谱在惯性子区内有显著差异,不能像热线一样反映出惯性子区内小尺度湍流的各向同性。     

基于MARSIS的火星低纬度电离层统计特性研究

在对欧空局火星快车探测器搭载的MARSIS雷达的浅表层探测数据进行校准过程中,获得了火星电离层的总电子含量(total electron content,TEC)观测数据。利用该数据,计算火星低纬度地区电离层的峰值电子密度和标高;并对其进行统计分析发现,在低纬度地区,火星冬季电离层的标高和峰值电子密度均较夏季高,即冬季电离层较夏季更显著,且春季电离层的电子密度梯度最大。     

Weibull分布下恒定应力加速寿命试验分组数据的统计分析

对Weibull分布恒定应力加速寿命试验的分组数据,利用形状参数的线性无偏估计将分组数据转换为指数分布的加速寿命试验分组数据,建立相应的似然方程,求解得到加速模型参数最大似然估计,最后对某实例进行了分析。     

对高校建立经常性统计数据质量核查制度的思考

文章探讨了在国家教育体制不断改革的情况下,经常性统计数据质量核查制度的内涵,以及高校建立经常性统计数据质量核查制度的必要性,并对高校如何落实经常性统计数据质量核查制度提出了自己的看法.     

基于视线角序列的机动目标视线角速率计算

 依据拦截弹与机动目标间的相对位置关系,采用导引头球面模型,基于当前统计模型,实现了强跟踪状态自适应滤波,计算出了可用于制导的视线角速率。该算法利用导引头球面模型,将测角信息转换成距离信息,进行方差自适应调整和卡尔曼滤波。在只给出视线角序列信息的情况下,根据相对状态滤波结果求出所需的视线角速率。     

基于统计学的旋转火箭发动机喷管热结构分析

以某型号固体火箭发动机喷管为研究对象,基于统计学聚类分析方法,研究了该型号喷管内流场、温度场及应力场对旋转的响应。采用流动-传热-热结构的顺序耦合方法,得到了各转速条件下的稳态流场及瞬态温度场、应力场情况。将流场、温度场、应力场原始数据标准化并构造关系矩阵,再通过聚类分析,将结果分别划分为类间差异明显的5类。由于喷管结构与旋转的耦合作用,流场与温度场及应力场聚类分析结果均存在差异。温度场与应力场聚类分析结果一致,说明旋转产生的离心力对喷管应力情况影响不大,热应力仍是该型喷管应力的主要来源。分别研究各类别中任意工况的应力情况,可得到不同战术指标下喷管热应力特征,提高了该型号喷管设计水平。该分析方法得到了统一的变化规律,可有效降低实验成本。另外,对于具有旋转特征的发动机喷管工作过程中的故障诊断、失效行为等的预示有指导意义。     

一种基于随机集的目标跟踪算法研究

针对多传感器多目标跟踪问题,提出了基于随机有限集的概率假设密度（PHD）滤波算法。该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪。给出了应用该算法的具体步骤,通过仿真实例证明该算法的有效性。