微等离子体转化二氧化碳发射光谱诊断

火星大气层的主要成分为二氧化碳,如果能够利用低温等离子体方法高效分解二氧化碳,使其转化为氧气和一氧化碳加以利用,可以大幅降低航天员生命保障相关载荷长途运输的成本,进一步提高生命保障能力.低温等离子体放电过程中会产生大量活性组分,可以在数百度温度下实现二氧化碳的高效解离,是具有很大潜力的二氧化碳解离与转化方式.设计了一种...     

一种航天测控冗余跟踪弧段处理方法

随着在轨航天器的日益增多,测控资源的需求量也日益增大,因此,其使用效率也倍受关注。当航天器重要测控弧段安排多个测控设备进行全力跟踪时,很容易出现测控弧段搭接或完全被覆盖的情况。为有效利用现有测控资源,针对弧段搭接的情况,提出了一种基于冗余度评价函数的跟踪弧段处理方法,该方法在不降低跟踪总时长情况下,通过合理有效地配置测控资源,剔除了冗余跟踪弧段,提高了现有测控资源的使用效率。     

切向结构永磁同步电机中磁钢厚度对性能的影响

提出了切向结构永磁同步电机中磁钢厚度的约束条件;依据电机学理论并结合有限元计算方法,研究了气隙长度恒定时不同极对数下气隙磁密、每极磁通与磁钢厚度的关系,探讨了磁钢厚度对电机的过载能力、铁耗等性能的影响;在气隙长度发生变化时,为了保证漏磁大小不变,讨论了气隙与非导磁衬套厚度、磁钢厚度的关系。并指出:(1)气隙恒定时,随着磁钢厚度的增加,不同极对数时磁钢体积增大所提供的磁势对每极磁通的影响有所不同;铁耗和过载能力随磁钢厚度的增加而增大。(2)气隙增大时,为了保证气隙磁密和漏磁不变,必须增加非导磁衬套的厚度。(3)极对数增加时,减小磁钢厚度能提高电机的性价比。     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

DLC涂层硬质合金微钻的制备及其切削性能

在硬质合金微型刀具加工高硅铝合金等难加工材料时,通过采用改进的热丝CVD装置开展了DLC涂层硬质合金微钻制备工艺优化,得到了最优沉积工艺,并配合高速加工高硅铝合金(Si15%)材料微小孔钻削性能对比试验,分析了刀具的磨损机理.结果表明:两步预处理方法适合复杂形状硬质合金衬底的预处理方法.钻削高硅铝合金时,DLC涂层具有低摩擦系数和高耐磨损特性,同等切削条件下,涂层微钻的切削寿命比未涂层硬质合金微钻提高了10倍.     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

基于微型铣床的非硅材料中间尺度微细切削加工技术研究

在综合考虑各项因素的基础上,研制了一台能够满足三维形貌加工要求的微型铣床,并进行了平面、微槽、微型齿轮、半凹球以及四面体微透镜阵列等各种典型微小特征的铣削工艺试验,体现了该铣床的加工精度和加工能力,证实了微型铣床加工技术的可行性。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

美国科技文献资源体系建设及启示

介绍了美国联邦政府和国家航空般天局（NASA）科技文献信息资源体系建设,科技信息纲领的内涵、宗旨、任务、目标,实施科技信息纲领的工作程序、组织管理机构,科技信息产品和服务,以及美国国家技术信息服务中心（NTIS）和航空航天科技信息中心（CASI）的运作情况,论述了美国科技文献信息资源在推动科技进步中的作用,并在研究分析的基础上给出了结论。     

基于隶属度和LMK-ELM的航空电子部件诊断方法

为提高航空电子部件模块级故障诊断精度，提出一种新的面向"软聚类"的局部多核学习（LMKL）-超限学习机（ELM）离线诊断方法。通过引入模糊C均值聚类对样本空间进行模糊划分，挖掘聚类内部多样性的同时，实现了对过学习的抑制；将模糊划分产生的隶属度信息融入LMKL-ELM的优化过程，运用基于初始-对偶混合优化问题的三步优化策略克服了局部核权重二次非凸的问题，在l₁-范数与l₂-范数约束下分别给出了相应的更新方法。将所提方法应用于某型机前端接收机，结果表明：与4种流行的多核诊断方法相比，该方法可有效避免漏警、抑制虚警，在l₁-范数和l₂-范数约束下，其诊断精度比其他方法的平均值分别提升了4.09%和5.13%。