火箭引射模态下主火箭总压与RBCC发动机的匹配性

基于传统的"等压面假设"理论,建立了RBCC发动机主火箭的引射性能分析模型,研究了主火箭总压与RBCC发动机的匹配性。研究结果表明,若隔离段通道面积比小于0.65,在主火箭总压较低条件下,隔离段内二次流容易达到壅塞,无法进一步提高空气流量;在地面静止状态下,随主火箭总压增加,空气流量逐步增大,等压面上形成Fabri壅塞后,进一步增加主火箭总压,反而会降低空气流量;在火箭引射模态下,RBCC发动机的工作状态可细分为引射作用占主导地位的进气道亚临界状态和临界状态、冲压作用占主导地位的进气道超临界状态,其分界马赫数分别约为0.7和1.5。     

包车白车身模态分析

应用有限元软件Hyper Mesh对某面包车白车身进行有限元建模,用Nastran软件进行自由模态计算,然后对计算结果进行分析。得到了前三阶固有频率,结果表明车架固有频率高于目标值,不会产生共振。为该车结构改进设计提供了理论依据。     

Lms Test. lab在超重训练设备模态分析试验中的运用

本文介绍了运用Lms Test. lab软件的模态分析为试验手段来诊断航天员超重训练设备所存在的故障,通过模态分析试验研究表明系统刚度变化对系统自振频率的影响,动力系统轴承齿轮间摩损的间隙以及环境因数如地基沉降对系统频率的影响等。     

基于B样条小波有限元激光陀螺抖轮的分析

建立了激光陀螺抖轮的三维有限元模型,对其振动特性进行了模态分析,建立了整个 模型B样条小波有限元模型;研究了一类新的有限元空间,它以B样条小波函数作为有限等参 元的形状函数;建立了模型的B样条小波有限元序列,利用B样条小波函数的变尺度特性在不 改变网格的剖分下提高分辨率,因此在处理局部应力集中,曲率分布突变边界等应用中具有 一定的优势,所以它的结果更接近于实际。最后对系统模型进行了仿真,给出了各个阶次 模态值,通过与传统有限元比较发现小波有限元具有收敛性好、求解迅速和网格划分灵活
等优点,这对于激光陀螺抖轮的优化设计具有重要参考价值。
     

金属网反射器索网预应力对模态的影响

卫星姿态和轨道调整时,金属网反射器索网结构的基频过低会使反射器产生振颤。文章通过金属网反射器索网结构的模态方程,利用有限元法来分析预张力的值与模态之间的关系,得到了预张力的大小对索网模态的影响规律,索网的基频会随着预张力的减小而下降,并用算例验证了这种方法的正确性。     

基于EMD-ICA与遗传算法的轴承故障诊断方法

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振 动信号进行处理。采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量 的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振 动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、 BP等诊断模型作为对比算法。试验结果表明：采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最 优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果。优化的算法相比其它诊断识别方法性能较佳, 使3种故障的平均诊断效果达到90%以上。     

不同压比状态下超声速射流冲击斜板的声场/流场特性

为研究超声速射流冲击斜板的噪声特性及声源特性,针对不同压比下,超声速射流流场及声场分别进行了高频PIV（particle image velocimetry)测量与远场噪声测量。PIV测量结果可观测到激波格栅形成过程以及冲击斜板对它的影响。声场测量结果可捕捉到自由射流与冲击射流中不同的纯音频率随压比增加的转变过程。通过一一对比各纯音模态与流场模态,可区分各纯音模态的声源特性。结果表明:当压比在2.0~3.2之间时,共出现五种纯音模态:A模态纯音频率为剪切层大尺度涡脱落频率,此时流场呈现同轴模态;d模态和e模态中纯音频率主要为冲击纯音频率,且e模态出现时流场转化为螺旋模态,这是一种不稳定模态;当压比大于等于2.53时,纯音模态稳定成单一模态B,B模态纯音频率为啸叫频率,其流场结构转化回同轴模态,啸叫频率对斜板的存在与否不敏感;啸叫频率随着压比的增加逐渐减小,其二次谐频在基频幅值较小的方向上会出现一个强声波辐射。      

语言引导的多粒度特征融合目标分割方法

语言引导的目标分割旨在将文本描述的目标与其所指代的实体进行匹配,从而实现对文本、实体之间关系的理解与指代目标的定位。该任务在信息抽取、文本分类、机器翻译等应用场景中具有重要的应用价值。基于Refvos模型提出一种语言引导的多粒度特征融合目标分割方法,能够对特定目标精准定位。利用Swin Transformer和Bert网络,分别提取多粒度的视觉特征和文本特征,提高对整体与细节的表征能力;将文本特征分别与不同粒度视觉特征进行融合,通过语言引导增强特定目标表达;通过卷积长短期记忆网络对多粒度融合特征进行优化,在不同粒度特征间进行信息交流,得到更精细化的分割结果。在UNC、UNC+、G-Ref、ReferIt数据集上进行训练并测试所提方法。实验结果表明：相比Refvos,所提方法在UNC数据集的val、testB子集中IoU结果分别提升0.92%、4.1%,在UNC+数据集的val、testA、testB子集中IoU结果分别提升1.83%、0.63%、1.75%。所提方法在G-Ref、ReferIt数据集的IoU结果分别为40.16%和64.37%,达到前沿水平,证明所提方法的有效性与先进性...     

自注意力相似度迁移跨模态哈希网络

为进一步提升跨模态检索性能,提出自注意力相似度迁移跨模态哈希网络模型。设计了一种通道空间混合自注意力机制强化关注图像的关键信息,并使用共同注意力方法加强模态信息交互,提高特征学习质量;为在哈希空间重构相似关系,采用迁移学习的方法利用实值空间相似度引导哈希码的生成。在3个常用的数据集MIRFLICKR-25K、IAPR TC-12和MSCOCO上与深度跨模态哈希（DCMH）、成对关系引导的深度哈希（PRDH）、跨模态汉明哈希（CMHH）等优秀方法进行对比实验,结果显示哈希码长度为64 bit的条件下,所提模型在3个数据集图像检索文本任务的平均精确度均值（MAP）达到72.3%,文本检索图像任务的MAP达到70%,高于对比方法。