客车车身骨架模态的有限元分析

车身是客车的关键总成,车身模态是车身结构中首先要考虑的重要指标之一,它不仅影响客车的可靠性和使用寿命,还影响乘坐的舒适性.文章运用解析模态法,通过大型有限元软件I-DEAS建立有限元模型并施加载荷,再经过解算,得到客车车身模态的固有频率和振型,为客车车身结构的分析计算、后续结构改进提供依据.     

基于左矩阵分式模型的模态参数识别方法

提出一种多输入多输出(MIMO)系统的宽频模态参数识别算法。该方法基于频响函数(FRF)的左矩阵分式模型(LMFD),通过最小二乘法在z域内求解模态参数,避免了s域内矩阵的病态问题。针对左矩阵分式模型的特点,给出了一种通过主分量分析(PCA)建立稳定图的方法。指出了传统的频域多参考点(PRFD)方法与基于左矩阵分式模型识别方法之间的关系。最后采用GARTEUR模型仿真算例与飞机模型的实测算例对所提出的方法进行了验证,结果表明该方法具有良好的识别效果。     

高空活塞发动机2级涡轮增压系统匹配分析

为满足无人机高性能动力要求,改进了某型涡轮增压活塞式发动机2级涡轮增压系统。根据发动机工作过程模拟计算原理,利用CFD软件建立了该型发动机1级涡轮增压模型,并验证了该模型的准确性;确定了2级涡轮增压参数及高、低压气机的压比分配,讨论了2级增压器和中冷器的布置方案,分析了2级涡轮增压的高空特性,为2级涡轮增压系统选配了合适的增压器。     

“天宫一号”目标飞行器力学试验新技术应用

“天宫一号”目标飞行器在研制阶段进行的力学环境试验包括模态试验、振动试验、噪声试验。文章总结了各项力学试验的技术难点及新技术的应用情况,可供其他航天器力学试验参考。     

基于跨模态近邻损失的可视-红外行人重识别

可视-红外跨模态行人重识别任务的目标是给定一个模态的特定人员图像,在其他不同模态摄像机所拍摄的图像集中进行检索,找出相同人员对应的图像。由于成像方式不同,不同模态的图像之间存在明显的模态差异。为此,从度量学习的角度出发,对损失函数进行改进以获取具有更加辨别性的信息。对图像特征内聚性进行理论分析,并在此基础上提出一种基于内聚性分析和跨模态近邻损失函数的重识别方法,以加强不同模态样本的内聚性。将跨模态困难样本的相似性度量问题转化为跨模态最近邻样本对和同模态样本对的相似性度量,使得网络对模态内聚性的优化更加高效和稳定。对所提方法在全局特征表示的基线网络和部分特征表示的基线网络上进行实验验证结果表明：所提方法对可视-红外行人重识别的预测结果相较于基线方法,平均准确度最高可提升8.44%,证明了方法在不同网络架构中的通用性;同时,以较小的模型复杂度和较低的计算量为代价,实现了可靠的跨模态行人重识别结果。     

自由边界抛物薄壳的模态振型函数

基于membrane理论,推导出一组完全满足抛物薄壳自由边界条件的模态振型函数.通过模态分析实验得到自由边界抛物薄壳的低阶模态实验振型,将实验振型与有限元分析振型及依据模态振型函数所得到的理论振型进行对比,三者能够较好的吻合,表明所推导的模态振型函数可正确描述抛物薄壳的模态形状.     

高精度快速趋近滑模变结构末端导引方法

针对反导拦截过程中拦截时间短时传统比例导引制导脱靶量大的问题,运用滑动模态变结构控制理论,提出了快速趋近滑模制导律及高精度制导信息快速提取算法,在典型交战条件下与比例导引、扩展比例导引及开关偏置比例导引方法进行了仿真对比,结果表明该制导律实现了滑模趋近的快速性,有效抑制了指令的发散,滤波算法能快速有效提取有色噪声条件下制导信息,大大提高了制导精度,为高精度反导拦截打下了基础.     

相对振型转换法求解分段线性边界条件连续体振动响应的优点

为了研究航天领域关注的非线性连接结构对整体结构振动响应的影响,文章利用变分原理,重新推导了基于振型转换的求解具有任意分段线性及可以转换为分段线性边界条件的连续体振动响应的方法——相对振型转换法,并与文献[10]中的混合方法的推导过程进行了对比,印证了相对振型转换法的正确性及其优点。针对一个施加均布载荷的端点单侧带阻挡的悬臂梁算例,分别应用相对振型转换法及力积分法进行了求解,通过悬臂梁端点的分岔响应研究了系统的非线性响应,讨论了两种方法得到的结果。     

一种解决经验模态分解端点效应的边界延拓法

用于电子设备或系统辐射发射趋势预测的数据大多呈现非线性、样本量小的特点,这大大增加了预测建模的难度,而经验模态分解(EMD)可以将非线性、非平稳的数据分解成若干个呈现一定周期性的本征模态函数(IMF),并且EMD具有完备性和正交性,可通过分别对分解得到的IMF分量建模,从而完成对原始数据的建模。但EMD被端点效应问题所困扰,为了提高EMD的分解精度,针对分解过程中的端点效应问题,以及辐射发射趋势预测的时间序列数据样本量小的特点,利用建立灰色均值GM(1,1)预测模型所需数据量小的优点,提出了一种基于灰色均值GM(1,1)预测模型的边界延拓方法,在原始数据两端各拓展一个极大值和一个极小值,对原始数据进行边界延拓,从而抑制EMD的端点效应。仿真对比结果表明:该方法在分解层数和平均相对误差方面均优于未经延拓处理的EMD,且对数据样本量要求不高。