缝合复合材料T型加强板强度仿真研究

为提高复合材料筋条与蒙皮的连接界面强度,局部缝合技术是一种有效的方法。分别对无损伤缝合加筋板和含冲击损伤缝合加筋板采用内聚力模型模拟界面层、粘接元模拟缝合进行有限元建模（FEM）计算分析,并与轴压试验结果进行对比。两组试验结果与有限元计算分析结果偏差均不大于8.5%,表明采用有限元模拟界面层和缝线的方法是可行的;试验结果和有限元计算结果显示,当蒙皮与筋条尚未发生剥离的情况下,缝合对复合材料加筋板的压缩承载能力影响不显著。     

基于结构描述的图像压缩方法研究

目前在遥感图像压缩领域,应用最为广泛的是以SPIHT算法为代表的基于小波变换的压缩技术,但是遥感图像含有极为丰富的高频信息,而变换域压缩编码的压缩原理是保留低频信息删减高频信息,这种矛盾导致了变换域编码对遥感图像进行高倍率压缩时,图像会有较大失真。为了减小压缩过程中高频信息的失真,从对图像空间结构描述入手,提出了一个基于空域的图像压缩算法,并与SPIHT算法进行了对比试验,证明了该算法的压缩质量明显好于SPIHT算法,具有一定的应用前景。     

含中央分层缺陷层合板的压缩性能研究

通过考察层合板厚度(含铺层形式)、分层位置与大小等因素对压缩强度的影响,并采用局部屈曲、分层扩展以及软化夹杂等3种模型对含分层层合板的压缩强度进行了计算和破坏机理分析。得出如下结果:厚板对分层缺陷不敏感,中等厚度和薄层合板比较敏感;缺陷的位置和大小对层合板压缩强度的影响没有明显的规律可循;3种模型中软化夹杂模型效果较好,说明大部分含缺陷层合板的压缩过程具有分层扩展、基体开裂等损伤交杂在一起的特点,这导致了试件的破坏。     

TC11钛合金的热态变形行为研究

采用等温恒应变速率压缩试验法,研究了TC11合金在780℃-1080℃和应变速率为0.001s-1~70s-1范围内的高温压缩变形行为。考察了变形温度、应变速率及变形程度对流动应力的影响关系。结果表明,流动应力对变形温度和应变速率敏感,随变形温度升高和应变速率降低流动应力减小,特别是在α β两相区变形温度对流动应力的影响显著。     

褶皱对碳纤维复合材料层合板压缩性能的影响

为研究纤维褶皱对碳纤维复合材料层合板压缩性能的影响,参考ASTM D6641—2014完成了含纤维褶皱碳纤维层合板压缩性能试验;同时采用基于Hashin失效准则及性能逐渐退化的渐进损伤方法进行了有限元分析。结果表明：褶皱程度为30%的凹陷试验件压缩极限载荷相比完好试验件降低了58.48%;同等褶皱程度下凹陷试验件比凸起试验件抗压强度更低;褶皱程度为30%的凹陷试验件刚度相比完好试验件降低了35.80%;有限元分析结果与试验吻合良好,试验件的损伤最初为基体损伤,经过扩展导致试验件在褶皱处断裂。     

扑动翼型的低雷诺数气动特性分析

通过求解引入拟压缩项的不可压Navier-Stokes方程,数值模拟了绕扑动翼型的低雷诺数非定常流动。针对厚度在4%-12%之间的NACA对称翼型,分析了翼型厚度等参数对扑动翼型气动特性的影响。在低雷诺数条件下,对于纯俯仰运动,随着翼型厚度的减小,平均阻力系数也变小。而对于纯沉浮运动,发现翼型厚度对气动特性的影响和俯仰运动有很大的差别,平均阻力系数随着翼型厚度的减小而变大。通过对沉浮运动一个周期流线图的分析,认为这是翼型前缘涡的影响造成的。由于前缘涡的影响,翼型厚度增加,平均压差阻力系数变小,甚至会出现负值。雷诺数的影响研究表明,随着雷诺数的增加,扑动翼型的阻力系数减小的趋势越缓慢。     

3种铝合金材料动态性能及其温度相关性对比研究

 对3种铝合金2024-T351、7050-T7451和LY12-CZ进行了温度在77～573 K的静、动态压缩（应变率10^-3～6 000/s）和拉伸（应变率10^-3～3 000/s）试验,分别得到了3种铝合金材料的应力 应变关系和失效应变。对比研究结果表明,随温度升高3种材料的塑性流动应力降低,应变率敏感性增加。最后基于Johnson-Cook模型,拟合了用以预测铝合金材料塑性流动应力的模型参数,其预测结果与试验结果吻合较好。     

泡沫铝填充薄壁管复合结构压缩与吸能性能

采用填加造孔剂法制备泡沫铝,将其填充入6061铝合金薄壁管中制备填充复合结构,通过准静态压缩实验研究填充间隙、黏结方式以及薄壁管的壁厚等参数对泡沫铝填充管力学和吸能性能的影响,确定最佳制备参数。通过准静态压缩实验和落锤冲击实验,研究在不同应变率下单一与复合结构的力学和吸能性能特点。结果表明:在准静态压缩实验中,当应变为60%,泡沫铝填充管的吸能量是泡沫铝与薄壁管二者数值加和的122%;在冲击实验中,和单一结构相比,复合结构的冲击载荷更加稳定,且具有更高的平均冲击载荷,吸能能力更强;相对于单独的泡沫铝,泡沫填充薄壁管在压缩和冲击吸能方面均有较大的提升。     

边缘图像自适应编码方法

边缘特征常被视作无人机视觉系统中的重要信息（比如在视觉导航时需用边缘特征识别障碍物），在实践中会遇到边缘图像数据量大的情况。针对边缘图像高效压缩问题，提出了边缘图像自适应编码方法。首先以边缘打包法的压缩比和边缘点所占比例为特征，建立Logistic回归模型，然后利用图像数据库对该模型进行离线训练获取模型参数，最后利用Logistic回归模型建立分类器，自适应地在边缘打包法和链码编码法中选择压缩比最高的方法对边缘图像进行压缩。对VOC2012图像数据库的测试结果表明，与常用压缩方法相比，提出的算法能提高压缩比5%左右，有效减少了数据量。