基于光纤光栅传感器内埋的复合材料加筋板冲击位置识别

光纤光栅传感器是实现复合材料内部结构健康监测的最佳选择,可实现对复合材料冲击载荷位置的实时识别,锁定损伤区域,视情检测,提高效率,减小安全隐患.将光纤光栅传感器在复合材料层合板预浸料阶段埋入,通过热压罐固化方式成型为一体化结构,研究传感器对层合板不同位置载荷冲击的识别技术;并将12支光纤光栅传感器内埋于航空飞机典型复合材料加筋板结构,通过互相关函数算法成功实现了小尺寸加筋板结构的冲击定位判别.     

基于CFD研究等离子体环量控制流场特性

为了研究等离子体气动激励射流在翼型钝尾缘产生Coanda效应时对流场特性的影响,基于雷诺平均N-S方程中添加体积力源项的唯象学仿真方法,建立并优化了等离子体环量控制的数值计算模型,研究了基于分离点的不同激励器位置对流场的影响规律。结果表明,优化激励器位置后环量控制的效费比ΔCL／Cμ最高可以达到113．49。分析发现,当等离子体激励产生的激励射流刚好可以将分离点推移至压力面时,机翼有效弯度增加最为明显,激励效果最好。     

基于制造特性的马达轴孔装配有限元分析

基于Pro/E逆向工程技术构建了实际马达轴孔装配体的三维模型,以Abaqus仿真软件为平台,建立了考虑制造特性的有限元仿真模型,开展了关键零部件制造特性对整个装配体力学特性的影响研究。对比了存在制造误差和无制造误差情况下的接触面应力分布及马达轴质心偏移,结果表明制造误差对马达轴孔装配精度和马达质心位置有显著影响且不容忽视。分析了螺钉装配力水平、拧紧顺序及大小和分布状态对马达轴质心偏移的影响规律,得出了几何结构刚度是影响Z向质心偏移的决定性因素,并依据其余方向的质心偏移确定了合适的螺钉拧紧顺序和预紧力优化方法,为提高装配精度和控制马达质心位置的装配工艺优化方法提供参考依据,保证了精密马达系统运行的可靠性和稳定性。     

用数字化 M-Z 干涉仪对低密度混合流场测量的实验研究

本文提出了最近研制成功的数字化 M-Z 干涉系统,并用它对二维低密度混合流场的密度场进行了测量。由于该系统采用了激光光源以及干涉图的计算机处理技术,使得实验和数据处理的工作自动化,而且具有精度高的特点,适用于低密度混合流场中较弱信号的高精度测量。文中系统地分析了用激光作光源的条件下,M-Z 干涉系统对平行光扩束系统的要求,以及如何消除因激光干涉性太强而引起的寄生干涉条纹,通过对平行式半透半反镜的分析,给出了适用于 M-Z 干涉仪的平行式半透半反镜的具体设计参数,并简述了由于使用激光光源而简化仪器调节的原理,给出了一种使经典 M-Z 干涉仪与现代计算机技术相结合来提高测量精度的新方法。     

具有自检和故障定位功能的可编程开关阵列

可编程开关阵列是计算机辅助测试(CAT)系统的关键部件。本文详细地讨论这种阵列的组成、控制、可测试性以及自检算法,主要给出了如下几方面的概念:变形的复合三维阵列、细胞模块结构和独特的测试方法。这种三维阵列极大地减少了所需的开关数;模块结构使所设计的阵列具有充分的灵活性和良好的可维护性;这种开关阵列具有自检和精确的故障定位功能。上述概念已成功地用于开关阵列NS161的设计中,目前这个开关阵列正服役于上海航天局。     

国产的DSY128电子扫描压力测量系统及应用

对新型国产DSY128电子扫描压力测量系统及其方框图的各部分组成及功能作了较详细地说明，同时，详述了该系统在西工大低湍流度风洞翼型压力分布实验及沈阳空气动力研究所新建1．2m风洞流场校测中的现场使用情况，给出了几种实验的部分压力分布曲线图。     

基于新型光纤智能结构的远程监控物联网系统设计

针对现有光纤智能结构自诊断、自修复系统存在的问题,提出并设计了一种基于ARM和GPRS的液芯光纤智能结构的远程监控物联网系统,系统主要包括光源、液芯光纤智能结构、光电检测模块、A/D转换模块、ARM微控制器、GPRS无线通信模块、Internet和监控中心服务器。其中液芯光纤智能结构是由特制的液芯光纤埋入复合材料中构成,采用GPRS无线通信技术,结合以S3C2440为核心处理器的ARM嵌入式技术,同时在监控中心采用自主设计的监控可视化软件直接输出结果,具有直观可靠、控制简单等优点。本文还对液芯光纤智能复合材料结构进行承载实验研究,并采用BP神经网络理论对实验数据进行分析和载荷位置判定,研究结果表明该监控系统性能稳定且效果明显,对复合材料结构载荷位置能够作出准确判断,初步实现了复合材料结构的自诊断。     

基于可靠度的备件保障中心多目标选址模型

为弥补现有选址模型仅考虑物流成本的不足,将可靠度的概念引入到备件保障中心选址中,提出基于可靠度的备件保障中心多目标选址模型。首先,结合可靠性的定义给出备件保障中心系统可靠度的概念及量化方法;在此基础上,构建在满足用户随机需求的前提下,总运输路径最短、总成本最小、备件保障中心系统可靠度最大的多目标选址模型;采用可靠度高优先的用户指派原则设计了贪婪启发式求解算法。最后,结合案例分析验证模型的合理性,为备件保障中心选址决策提供理论支持。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。     

Lamb波双面激励方法及其在近邻损伤监测中的应用

针对Lamb波的多模式和频散特性,从理论和实验两方面研究了Lamb波双面激励方法,并针对近邻损伤进行了监测研究。研究结果表明:与传统的单面激励方法相比,该激励方法能够抑制Lamb波的多模式特性,在频率较低的情况下可实现基本对称或反对称模式的产生,提高了Lamb波的激励效果,便于监测信号的分析。另外,相对于通过调节激励频率产生特定Lamb波模式的方法,该激励方法具有一定的频率可调性,能有效改善Lamb波波包的空间分辨率,增强Lamb波对多个近邻损伤的监测能力。