异形型腔组合电加工数字化制造技术研究

针对难切削材料整体构件上深窄、甚至弯扭异形型腔的加工难题,提出了数控电解/数控电火花组合电加工的工艺方案,同时应用数字化制造技术,力求优质、高效、低成本、快速响应地实现航空航天发动机等薄壁、复杂整体构件上异形型腔的加工,具有重要的实用价值与应用前景。     

畸变进气时涡扇发动机整机环境下压缩部件气动稳定性评定

将基于部件匹配技术的涡扇发动机非设计点性能计算模型和基于李亚普诺夫稳定性理论的压缩部件气动稳定性评定模型有机地耦合,实现了发动机整机环境下的压缩部件气动稳定性评定,使得该模型成为一种实用的涡扇发动机压缩部件气动稳定性分析模型。以某型涡扇发动机为例,计算比较了畸变进气时发动机整机环境和单独部件评定时风扇和压气机稳定工作边界的异同,从计算结果可以看到,对于风扇,畸变进气条件下,无论在高转速,还是低转速时,同样的进口畸变度,发动机环境下风扇的稳定裕度损失比单独部件下风扇的稳定裕度损失都小,即在发动机环境下评定风扇稳定性时,风扇对进气温度畸变不敏感,而在单独部件环境下评定时,风扇对进气畸变比较敏感。对于压气机,进口气流存在压力畸变时,采用高压涡轮导向器变化对压气机逼喘过程中,风扇的共同工作线向喘振边界靠近,而进口气流存在温度畸变时,逼喘过程中,风扇的共同工作线基本不变。     

改进PCA在热波图像处理中的应用

针对飞机结构隐藏腐蚀热波成像检测中出现的热像仪中有用数据较少、图像序列中腐蚀区域与非腐蚀区域对比不明显、信噪比较低等问题,提出了基于小波变换的改进PCA(Principal Component Analysis)算法.该算法对热图像序列中的每帧图像进行二进制离散小波变换,提取出低频部分的系数;对低频系数进行改进PCA分析,通过固定点算法并引入Gram-Schmidt正交化过程求解特征向量;令高频系数为零,抑制图像的噪声.实验结果表明:该算法充分利用了热像仪的有用数据,提高了图像的质量和信噪比,且计算时间较短.      

低真空、微重力对空间装置中气体自然对流传热的相似影响

以空间装置中气体自然对流传热问题为目标,导出显含温度和压强两个独立热力学参数的Rayleigh 数和Knudsen 数的表达式,分析了各个特征压强段气体传热的不同状态,比较了在连续介质流动中低真空(压强大于10Pa)和微重力对空间装置中气体自然对流传热的相似影响,导出了气体压强与重力对低真空气体自然对流的影响的相似性关系式,由此可以推断低真空或微重力状态下气体自然对流的强弱的相互关系。     

直升机典型元组件垂直入水试验研究

为了研究直升机典型构件的着水机理,并为仿真建模和验证提供实测数据,开展了不同构型的直升机典型元组件垂直入水试验研究,阐述了试验设计方法和过程,并对试验结果进行了分析。结果表明,结构弹性影响明显,同时空气缓冲作用也不可忽略,不同速度下两者对压力峰值影响存在明显差异。     

基于模型的飞行仿真系统设计

采用基于模型的仿真软件设计思想,研究了飞行仿真系统的设计方法,针对具体的任务和功能 要求,建立了仿真系统的结构体系。研究了仿真软件框架的设计方法和结构层次的关系,并对各个层次功能 要求进行了介绍。对飞行仿真软件系统的模块设计进行了研究,确立了模型的描述形式和接口设计规范。     

钛合金半球件超塑成形的数值模拟与实验研究

介绍了利用超塑成形方法成形直径为Φ４１０ｍｍ的钛合金并球件,并用三维有限元程序对成形过程进行了数值模拟,对数值模拟结果和实际成形件进行了对比分析。     

嵌入式软件仿真测试平台构件化技术研究

软件测试在航天嵌入式软件研制过程中占有极为重要的地位,使用全数字仿真测试平台进行软件测试是行之有效的方法.对仿真测试平台进行层次化构件分解和构件设计,研究航天软件仿真测试平台构件化开发方法,并给出应用实例,证明了该方法可大幅提高平台开发效率.     

遮挡条件下的鲁棒表情识别方法

提出了一种对面部遮挡具有鲁棒性的表情识别方法.首先,基于鲁棒主成分分析(RPCA,Robust Principal Component Analysis)对待识别人脸进行重构,并对重构人脸和待识别人脸的差值图像进行显著性检测得到面部遮挡区域;其次,将待识别人脸的遮挡区域由RPCA重构人脸的相应区域进行替换,并由权值更新的AdaBoost分类器对遮挡区域重构后的人脸进行表情识别.在BHU(Beihang University)人脸表情数据库和日本女性表情数据库上进行了各种遮挡情况下的表情识别实验,获得了比AdaBoost方法更好的识别结果,说明基于RPCA和AdaBoost的表情识别方法对多种面部遮挡具有较强的鲁棒性.     

基于主元分析和BP神经网络对刀具VB值预测

对声发射信号进行5层小波分解提取6个频段的能量值,把它与切削速度、切削深度、进给量和切削时间一起作为刀具状态的特征向量.通过主元分析进行降维、消除特征向量间的相关性后,把得到的主元作为BP(Back Propagation)神经网络的输入向量.BP神经网络应用改进的LM(Levenberg-Marquart)算法进行学习,利用输入向量对网络进行训练后,实现对刀具后刀面磨损量VB的预测.实验结果显示:基于主元分析和LM算法改进的BP神经网络建立的预测系统,网络输出与实测VB值的误差0.03以内;根据预测VB值的范围可判别出刀具的不同状态.