基于非均匀数据细分曲面重建的数据测量技术研究

为了提高细分曲面重建质量和效率，在对非均匀数据细分曲面重建算法研究的基础上，根据算法对数据的需求，给出了一种针对非均匀数据细分曲面重建算法的数据测量方法，并采用该方法对某型摩托车进行了测量重建。     

带压力梯度的非平行流边界层稳定性研究

发展高精度的高阶谱方法,通过抛物化稳定性方程及其局部法,研究在压力梯度作用下的非平行流边界层稳定性问题。与经典的平行流边界层稳定性结果相比,显示了在某些条件下非平行性对稳定性的关键作用。提出了压力梯度对临界雷诺数的影响研究,探讨了不同压力场对流动稳定性作用的规律性。     

矩形件优化排样的研究

提出了满足BL条件的最低轮廓线搜索算法,并与模拟退火算法相结合,用于矩形件排样的求解。计算实例表明该算法能在50 ms内获得近百个矩形件的较优排放图,并能获得较少矩形件的最优排放图;其排样效果和效率优于SA 最低水平线算法和SA BLF算法,是解决大规模矩形件排样的一种有效方法。     

飞机结构腐蚀级别评定准则详析

腐蚀防护与控制方案是确保老龄飞机持续适航性的基本结构维护方案。腐蚀评级是腐蚀防护与控制的核心。提出以"腐蚀原因"、"腐蚀类别"和"腐蚀程度"为判断依据的腐蚀评级准则,不仅大大提高了腐蚀评级效率,并且已得到波音公司认可及中国民用航空总局的批准。     

三维机织复合材料细观黏弹性梁模型

建立了两种组合梁模型,分别模拟3D机织复合材料内部和表面纤维束的细观结构,模型反映了纤维束细观结构和变形的周期性,考虑了纤维束的局部弯/剪耦合效应和局部偏轴效应。实验确定了一种树脂基体各向同性蠕变本构的参数,在此基础上建立了纤维束横观各向同性的蠕变本构模型,将基体和纤维束的蠕变本构应用于上述细观组合梁模型,用于分析3D机织复合材料宏观平均的黏弹性应力应变响应。用上述模型分析了一种环氧树脂/玻纤体系3D机织复合材料的细观应力分布和平均宏观模量,模拟了其蠕变、弹性回复曲线,模型预测与实验结果吻合。     

固体火箭发动机径向加质流局部稳定性分析方法研究

应用局部非平行流动稳定性理论研究了大长径比固体火箭发动机内的表面涡脱落现象.分析了由主变量公式和流函数公式导出的扰动方程的差异,以及流动参数对稳定性的影响,发现两种扰动方程对最不稳定波频率的预估值小于2％,且该频率沿流向逐渐增加.比较了基于空间发展模式的理论结果与大涡模拟计算结果,发现在不发生共振的情况下,理论方法可以较好地预估发动机内的流动不稳定频率.     

螺旋管内超临界航空煤油流动阻力特性

研究了系统压力、质量流速及螺旋管结构形式对超临界压力下航空煤油RP-3在螺旋管内的流动阻力特性.实验结果表明:螺旋管局部阻力系数变化曲线由螺旋管内流体临界雷诺数、拟临界温度分为明显的3个部分:工质温度低于拟临界温度且管内雷诺数小于螺旋管临界雷诺数时,局部损失系 数与雷诺数和螺旋直径与管径比D/d_in相关;流体温度低于拟临界温度且雷诺数大于临界雷诺数时,局部阻力系数只与D/d_in相关; 流体温度大于拟临界温度时,局部阻力系数除与雷诺数和D/d_in相关外,同时还与密度、黏性的大幅变化相关.另外,基于实验结果,提出了一种用压力、温度和螺旋直径与管径比进行修正的局部阻力系数关联式,拟合结果与实验结果相比,具有较好的一致性.      

对转双转子局部碰摩故障实验

针对航空发动机涡轮机匣的结构特点,设计了一种可以模拟局部碰摩故障的实验装置.利用对转双转子实验器,实验研究了高、低压转子对转时,单独及同时发生局部碰摩的振动特性.结果表明,对转双转子涡轮发生局部碰摩时,静子的振动信号中会出现高倍频、分数倍频及组合频率成分,通过组合频率成分,可以判断是否发生碰摩及碰摩发生的部件.     

一种结合全局和局部相似性的小样本分割方法

针对小样本分割中如何提取支持图像和查询图像共性信息的问题,提出一种新的小样本分割模型,同时结合了全局相似性和局部相似性,实现了更具泛化能力的小样本分割。具体地,根据支持图像和查询图像全局特征和局部特征之间的相似性,提出了一种新型注意力谱生成器,进而实现查询图像的注意力谱生成和区域分割。所提注意力谱生成器包含2个级联模块:全局引导器和局部引导器。在全局引导器中,提出了一种新的基于指数函数的全局相似性度量,对查询图像特征和支持图像的全局特征进行关系建模,输出前景增强的查询图像特征。在局部引导器中,通过引入局部关系矩阵对支持图像特征和查询图像特征之间的局部相似性进行建模,得到与类别无关的注意力谱。在Pascal-5i数据集上做了大量的实验,在1-shot设定下mIoU达到了59.9%,5-shot设定下mIoU达到了61.9%,均优于现有方法。      

基于LIME的恶意代码对抗样本生成技术

基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释（LIME）的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。