国外飞机机轮刹车系统的发展

阐述了航空机轮刹车系统最新的研究方向包括吸收能量更多并且更耐磨损的高密度碳材料,寻求更轻更强的结构部件材料,提升设计方法以优化刹车性能,机轮刹车系统的结构动力学研究,更大范围的电刹车装置和电刹车控制系统研究等。     

同轴离心式喷嘴噪声引发燃烧不稳定分析和预测

以氧化剂和燃料的混合比作为系统控制参数,研究同轴离心式喷嘴燃烧动力学过程。混合比增加和减少过程中,燃烧噪声和振荡燃烧状态间转变的混合比不同,说明系统出现了亚临界Hopf分叉现象,且在双稳定区内出现了燃烧噪声引发的振荡燃烧。利用临界慢化理论,分析3种表征参数:延迟为1自相关系数、方差和条件异方差（CH）对噪声引发不稳定的预警效果。结果表明:延迟为1自相关系数在噪声引发不稳定前出现明显的上升趋势且非随机现象,具有较可靠的指示作用。方差对噪声引发不稳定性的预示性较差。条件异方差在不稳定发生前振荡上升,可以作为辅助判断条件。基于Kendall秩相关系数趋势评估方法,提出一种在线预测噪声引发不稳定的判断准则,具有较好的适应性和可靠性。      

基于灰色系统预测直升机航迹的研究

 反直升机智能雷对直升机航迹的预测在作战中非常重要,但在数据非常有限的情况下,准确地预测又很困难。提出了用灰色系统理论解决直升机航迹预测问题,建立了灰色系统 GM预测模型和 n次累加残差模型并对GM预测模型进行修正。在每个采样期间内,实时在线建立GM预测模型和残差模型以提高预测精度。通过实例计算能看出用较少的探测数据可以得到较高的预测精度。     

基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

在对涡轮叶片低循环疲劳寿命概率分析的基础上,将广义回归型神经网络(generalized regression neural network,GRNN)与果蝇优化算法(fruit fly optimization algorithm,FFOA)结合,利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量,进行涡轮叶片低循环疲劳寿命健壮性优化设计.优化结果表明:疲劳寿命的概率区间减小17.9%,对随机变量的敏感度降低,从而可以更精确地对疲劳寿命进行估计.计算结果验证了该方法在工程应用中的可行性.      

诱导轮对高速离心泵性能的影响分析

基于Navier-Stokes方程组和标准κ-ε湍流模型,对高速离心泵不同工况下进行了全流道数值模拟.为了验证诱导轮对高速泵性能的影响,设计两个不同的模型进行模拟,分析了泵内的压力场和速度场的变化规律,并预测出其性能曲线.分析表明,在相同流量下,诱导轮使高速泵具有更好的流动特性,可以提高泵扬程、效率.采用数值计算方法可...     

星上系统时间算法研究

针对星上缺乏系统时间会出现钟差整体漂移的问题,本文提出两种新的钟速初值预报方法建立集中处理模式下星上系统时间算法：用每颗星第1天的前两历元的钟差预测钟速初值和用每颗星每天的前两历元钟差预测钟速初值。仿真结果表明,算法合理,两种方法得到的自主系统时间与国际全球导航卫星系统服务时间(IGST)相比,60天的偏移程度均在100 ns以内,用每颗星第1天的前两历元的钟差预测钟速初值建立的系统时间稳定性更好。     

基于新息灰预测的卫星遥测参数状态预测及应用

<正>确的预测是进行科学决策的依据。在航天测控领域中对卫星状态的准确预测是正确发布指令的重要依据,而卫星遥测参数趋势预测是状态预测的前提。根据卫星遥测数据特定的相似性,利用相似性原理和新陈代谢原理,充分利用最新的遥测信息,建立适用于卫星遥测数据的新息灰预测模型。通过工程数据仿真计算,验证该方法的正确性和可靠性。     

涡轮盘枞树形榫槽机夹拉刀设计

涡轮盘枞树形榫槽加工是涡轮盘加工的关键工序。完成榫槽加工的关键是榫槽的拉削工序,决定拉削工序的主要因素有机床、拉刀和夹具。拉刀的设计和制造质量是榫槽的拉削工序中最活跃的因素之一,也是拉削榫槽时加工涡轮盘榫槽厂家主要考虑的因素。     

基于中性层偏移的Z型材滚弯成形回弹预测

以提高大截面Z型材四轴滚弯成形精度为目的,通过综合考虑材料属性、几何特征和成形半径等因素对回弹的影响,建立了引入中性层偏移的大截面Z型材弯曲回弹解析模型,研究了7075-O和7475-O铝合金Z型材在不同滚弯成形半径下的回弹规律,并进行滚弯成形实验验证。结果表明,与忽略中性层偏移影响的型材回弹预测经验模型相比,基于中性层偏移的回弹预测模型能够准确预测大截面Z型材的回弹量,在相同的曲率半径下,预测回弹变形的最大相对误差从11.681%减小到3.347%。     

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。