双储箱液体自衰减晃动分析

航天器在轨运行过程中,液体燃料晃动是破坏航天器稳定性、威胁航天任务安全性的主要因素之一.为此,有必要对液体燃料晃动进行研究.自衰减晃动是一种常见的液体晃动.本文主要针对双并联圆柱形储箱内液体自衰减晃动动态特性进行研究,以有限体积法为计算方法,采用两相层流模型,分析了不同重力环境下,液体燃料晃动对储箱侧壁面及底面作用的晃动力、力矩和波高随时间变化的特性,进而计算出液体晃动等效力学模型的相关参数.采用解析法推导了等效力学模型参数的计算公式,将有限体积法所得仿真解与解析解进行对比分析,证明了双储箱液体晃动仿真计算的可行性,为携带多储箱充液航天器的动力学分析提供了一定的理论基础.      

混凝土自收缩的测定与模型分析

为了研究水胶比和粉煤灰掺量对混凝土自收缩的影响,建立了混凝土自收缩自动测量系统,并测定了水胶比分别为0.25,0.30,0.40和0.53的硅酸盐水泥混凝土及粉煤灰掺量为10%,20%,30%,40%,60%的粉煤灰混凝土的自收缩发展。以硅酸盐水泥水化动力学为基础建立了相应的数值模型,结果表明,硅酸盐水泥混凝土随着水灰比的降低,混凝土的自收缩发展越迅速,最终收缩值越大,掺加粉煤灰后,可以明显降低混凝土的自收缩值和自收缩的发展速率。     

模糊自组织网络在刀具磨损状态监测中的应用(英文)

应用模糊逻辑和无教师自组织神经网络进行车削过程刀具磨损状态监测.根据典型切削条件组合建立由多个子网络组成的自组织网络阵列,其中每一子网络对应一种典型切削条件,并进行训练.对于具体切削条件,运用模糊逻辑技术选取对应的优化子网络.文中所建名为Fuzzy-SOM-TWC监测系统的运行基于加工过程实时采集的切削力、声发射以及电机电流信号.切削实验用于训练和检验监测系统,实验结果显示其对于刀具磨损状态的识别正确率可达到98%-100%.     

直升机机体－主减－旋翼耦合系统动稳定性分析

对单桨常尾桨铰接式直升机机体－主减－族翼耦合系统动稳定性进行了分析研究。在建立的数学模型中,除了考虑机体沿侧向和纵向的平动,机身的横滚、俯仰和偏航,旋翼的挥舞和摆振外,还特别考虑了机身的横向运动及主减的摆动和传动特性。以某型直升机为基础的研究表明：挥舞对耦合系统的动稳定性有一定影响;不考虑挥舞和主减支承特性时,对耦合系统动稳定性的分析偏于保守;在合适的主减支承条件下,主减对耦合系统的动稳定性影响不大;旋翼的挥舞与主减的摆动是耦合的,这使主减的固有频率提高。     

CONSTRUCTIONOFACLASSOFPNSEQUENCESWITHPRIMENUMBERPERIODSOF4t＋1FORM

构造了一类４ｔ＋１型质数周期的伪随机序列。该序列提供了比ｍ（Ｍ）序列更多的可供选择周期数，同时证明了它具有良好的伪随机特性     

AR与ARMA有色噪声的生成方法

基于自回归与自回归滑动平均模型。讨论了两种有色噪声的软件生成方法，可使输出序列无起始瞬为现象，给定功率谱函数结构时采用递推算法。给定滤波器系数时采用步降法。分别给出了滤波器的两种设计流程。通过设置滤波器的初始状态，使得在白噪声激励下滤波器的输出序列稳定，无起始瞬变现象。     

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。