整体弹性结构法及在叶片流固耦合分析中的应用

针对三维叶片时域流固耦合振动响应计算普遍耗时的问题,采用一种假设整体结构的模态位移,求解固体时域响应和实现高效网格变形,发展了一种3维时域流固耦合分析的整体弹性结构方法,并应用于压气机叶片0°和180°相位角的气动稳定性分析中。结果表明,所发展方法的计算结果与传统双向时域算法和文献的结果较为吻合,而计算效率相比于传统算法显著提升;在所分析的两个相位角下,叶片振动的气动阻尼均随流量减小先增大后降低,相比于0°相位角,180°下叶片的气动稳定性大幅提高,表明该方法能有效应用于叶片的工程流固耦合研究。     

舰载直升机理论风限图飞行模拟获取方法

获取舰载直升机实用风限图,仅依靠实装飞行试验或建模仿真都是非常困难的。通过起降飞行模拟试验获取理论风限图,结合少量的海上实装飞行验证试验是一种综合较优的方法。起降飞行模拟试验需要真实飞行员和高等级飞行模拟器参与,飞行模拟器中的母舰气流场数据、母舰运动可由建模仿真或试验测试得到,且必须考虑母舰气流场的非定场特性;只有当飞行员视景或视觉反馈受限时(如能见度降低时),飞行模拟器基座的六自由度运动才是必需的;用DIPES或Bedford方法量化飞行员主观操纵负担,结合记录的客观操纵数据,评判起降难度;典型的飞行模拟试验程序包含了不同风况下的进近和甲板着舰,通常每隔15°和5kn一个风况。通过起降飞行模拟试验得到的理论风限图,可以更加有效和安全地指导海上实装飞行验证试验,最终获得实用风限图。     

试论高职院校对企业文化资源的利用

如何充分利用企业资源,有效开展工学结合、产学合作是各高职院校共同面临的课题和任务。就企业文化资源在高职院校办学和教育教学改革过程中的独特性及高职院校如何利用企业文化资源来培养技术技能型人才问题,作一些初步的分析和论述,希望引起教育研究者的思考和各类办学主体的重视。     

正反顺序加载下安装边螺栓预紧力分散度的数值模拟与试验验证

在航空发动机机匣安装边装配过程中,不同位置螺栓之间会产生弹性交互作用,不同加载方案会使装配后的螺栓预紧力存在一定的分散度。针对这一问题,建立了3层带止口机匣安装边3维接触有限元模型,研究不同加载方案下螺栓预紧力的施加方法。基于有限元模型数值模拟了3层机匣安装边分别在顺序加载方案、交叉加载方案和正反顺序2轮加载方案下螺栓预紧力的分散度。搭建了相应的试验装置,分别对3种加载方案的预紧力分散度进行试验验证。结果表明：采用正反顺序2轮加载后的螺栓预紧力分散度最小,在3层止口机匣安装边上采用正反顺序2轮加载方案后的螺栓预紧力分散度较小,在有限元仿真中螺栓预紧力分散度为2.43%,在试验中螺栓预紧力分散度为4.98%。采用此方案加载后,止口机匣安装边能达到更好的密封效果和较好的刚度对称性。     

雷达信号时差频差测量定位工程实现技术研究

针对星载时差频差无源定位系统对地海面雷达信号定位工程实现需要考虑的实际问题,对雷达信号时差频差测量关键技术进行研究.首先研究了雷达信号时差频差测量方法,然后研究了双星时差频差模糊条件并提出解模糊方法,最后,研究了长时间积累对到达频差的影响,给出随时间变化频差补偿方法.     

通道不一致对干涉仪测向的影响和解决方法

着重分析了通道不一致对干涉仪测向带来的影响,给出了分析结果,提出了也适用于其它测向系统的解决方法。     

基于高速存储平台的高性能RS编译码器设计

目前,星载高速存储设备中采用商用RS编译码IP核来实现数据纠错功能,能够实现的编译码最高速率为800 Mbps,只能依靠多个IP核同时工作达到吉比特高速数据存取速率的要求。星载存储数据发生错误的主要原因是存储区单粒子翻转和存储介质本身特性产生的单比特数据错误。针对星载存储数据的误码特性,本文提出一种RS编译码改进算法,通过对编码算法中的剩余多项式及译码算法中的伴随多项式进行降次处理,减小编译码过程中运算的迭代次数及计算量,以及对编译码算法中的基本运算单元有限域乘法器采用子项复用技术,实现对传统RS编译码算法的改进。结果表明改进后的编译码器能达到最高数据速率为10.5 Gbps,编码器资源较单个商用IP核减少15%,译码器资源减少40%,能够满足后续高速存储平台的应用要求。     

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

Downsizing an orbital space robot: A dynamic system based evaluation

Small space robots have the potential to revolutionise space exploration by facilitating the on-orbit assembly of infrastructure, in shorter time scales, at reduced costs. Their commercial appeal will be further improved if such a system is also capable of performing on-orbit servicing missions, in line with the current drive to limit space debris and prolong the lifetime of satellites already in orbit. Whilst there have been a limited number of successful demonstrations of technologies capable of these on-orbit operations, the systems remain large and bespoke. The recent surge in small satellite technologies is changing the economics of space and in the near future, downsizing a space robot might become be a viable option with a host of benefits. This industry wide shift means some of the technologies for use with a downsized space robot, such as power and communication subsystems, now exist. However, there are still dynamic and control issues that need to be overcome before a downsized space robot can be capable of undertaking useful missions. This paper first outlines these issues, before analyzing the effect of downsizing a system on its operational capability. Therefore presenting the smallest controllable system such that the benefits of a small space robot can be achieved with current technologies. The sizing of the base spacecraft and manipulator are addressed here. The design presented consists of a 3 link, 6 degrees of freedom robotic manipulator mounted on a 12U form factor satellite. The feasibility of this 12U space robot was evaluated in simulation and the in-depth results presented here support the hypothesis that a small space robot is a viable solution for in-orbit operations.     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.