考虑加工过程的复杂薄壁件加工综合误差补偿方法

在统计分析的理论基础上,首先将数控加工过程视作以参考模型为自变量,以加工结果为因变量的过程函数;然后将整个误差补偿过程分为3个典型的加工状态,分别构造各个状态的过程函数,并以材料去除量系数为桥梁,建立复杂薄壁件加工综合误差补偿数学模型;对数学模型进行泰勒展开,计算复杂薄壁件加工过程中的误差补偿量,重新构造误差补偿几何模型并生成新的加工程序,以减小复杂薄壁件的加工误差,提高加工质量。通过一组叶片加工对比试验,按照名义去除量进行加工的最大加工误差是0.094mm,而按照误差补偿量进行加工的最大加工误差是0.031mm,仅是前者的32.9%,说明了本文方法在提高加工精度方面的有效性。     

基于级数展开的位置误差加权定位方法

随着对海洋探索的愈加深入,对水下目标探测能力的要求也愈发严格。针对噪声干扰严重时算法性能大幅度下降的问题,文章主要研究仅利用分布式矢量水听器的波达方向信息对未知目标进行融合定位。在已有的基于位置误差加权方法的基础上,利用几何二次约束减小波达方位角量测误差,并结合泰勒级数展开,将一阶权值推导至高阶,解决在低信噪比情况下定位精度差的问题。仿真结果表明:相对于传统的基于方差倒数的自适应加权算法,该方法在定位精度上有很大提高,尤其在低信噪比的情况下效果显著。     

基于多模态融合的任意对称翼型结冰预测方法

为解决目前绝大多数神经网络冰形预测方法只能针对特定翼型且不具备面向多翼型特征的普适性的问题，采用基于多模态融合的深度神经网络方法，以翼型截面图像与结冰工况参数作为输入，以二维冰形曲线傅里叶级数拟合参数作为输出，建立深度神经网络预测模型，实现了对任意对称翼型结冰特征的预测能力。结果表明：提出的模型可以准确地预测任意对称翼型几何特征条件下的结冰外形，冰形面积与最大冰厚等冰形主要参数预测误差均保持在10%以下。     

多模态瑞利-泰勒不稳定性的离散玻尔兹曼数值研究

瑞利-泰勒（Rayleigh-Taylor,RT）不稳定性广泛存在于自然界和工程领域，认清RT不稳定性演化过程中的物理机理具有重要的理论意义和实用价值。本文利用离散玻尔兹曼方法模拟了可压缩流体的RT不稳定性现象，并利用该方法对界面连续的随机多模初始扰动的可压缩RT不稳定性进行了数值研究。研究结果表明，在温度梯度的影响下，与热通量相关的热力学非平衡强度呈现先增大后减小的趋势；在热扩散作用下，界面上的热力学非平衡强度先减小后增大，继而影响热力学非平衡区域的占比，使之呈现相同的变化趋势。最后，分析了全局平均热力学非平衡强度随时间的演化规律，发现在宏观物理量梯度和热力学非平衡面积的共同作用下，全局平均热力学非平衡强度先增后减，最后趋于稳定。不仅如此，热力学非平衡区域面积的增大（减小）会增强（减弱）热力学非平衡的强度；同时，物质界面物理量梯度的增大（减小）对全局平均热力学非平衡强度也有相同的影响，二者相互作用、相互竞争。