金属丝网橡胶的本构关系

通过对圆环形金属丝网橡胶成型制造过程的分析,在圆环嵌套模型基础上,结合干摩擦非线性理论和小曲梁模型建立了金属丝网橡胶材料的非线性本构关系,对不同相对密度的金属丝网橡胶试件进行了静态压缩实验,通过实验数据确定了本构关系方程的各项系数并实验结果进行比较.研究结果表明:建立的本构关系模型可以很好地描述金属丝网橡胶的非线性力学特性,实验结果能够较好地符合理论结果,并且该模型反映了相对密度、网格大小和网格宽度等参数的影响,从而实现了对材料结构刚度的预估.      

基于域分解的双模式PE

高频近似算法的误差比抛物方程(PE)大,叠加PE计算不能反映同频干扰,对流层电波传播计算域内存在不同的电波传播机制。文章提出了域分解双模式PE,将计算域分解为海洋或地形上的阻抗边界域和空间传播域,分别采用DMFT和SSFT求解。交叠区域实现了电波在两域间的互相传播,并避免了边界截断产生反射。与功率叠加PE相比,反映了多源电波间的矢量叠加,并降低了一半的计算量。在标准大气单源、蒸发波导双源条件下的数值试验验证了方法的正确性和有效性。     

基于小波变换的测距仪脉冲干扰抑制方法

为解决L频段数字航空通信系统以内嵌方式部署在L频段测距仪频道间而产生的测距仪系统干扰宽带航空数据链接收机的问题,基于小波变换去噪方法提出L-DACS1系统测距仪脉冲干扰抑制接收机,利用LDACS1及测距仪脉冲干扰信号特性,基于小波变换去噪方法重构测距仪脉冲信号,然后在时域内消除测距仪脉冲干扰信号。计算机仿真结果显示:在高斯白噪声信道与多径信道环境下,所提出L-DACS1接收机方案可有限消除测距仪脉冲干扰,提高链路传输的可靠性。     

POD方法在风洞试验二维速度场分析中的应用

针对风洞试验二维速度流场,构建了正交分解与流场重构的数学模型。通过对鼓包背风面PIV瞬时速度流场进行分解,发现阶数越低的模态对原始流场的能量贡献率越大,代表了流场中的低频、大尺度流动结构;反之,阶数越高的模态对原始流场的能量贡献率越小,代表了流场中的高频、小尺度流场结构等信息。通过对流场进行低维重构,发现前4阶重构流场几乎不受一些小尺度旋涡的影响,很清晰地显示了流场的主要结构。     

基于小波分析的涡扇发动机起动过程压力脉动研究

利用小波分析所具有的时频特性特点,针对涡扇发动机起动过程存在的压力脉动异常现象,获取信号随转速变化的频谱图。重点介绍了发动机脉动频率分析方法,并结合试验测点布局,根据不同脉动的频率特点,对其脉动成分进行分解,分析出脉动频率产生的原因,为发动机起动问题的解决提供支持。研究结果表明:利用小波分析进行发动机起动过程的脉动异常研究,形象、直观,具有一定的工程应用价值。     

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.      

基于小波变换的航空发动机性能衰退率计算方法

由于航空发动机的工作环境复杂,性能参数测量值中夹杂的工况信息和测量误差会对发动机的性能衰退率计算产生较大的影响。为了弱化工况信息和测量误差对航空发动机性能衰退率计算的影响,本文首先运用多层小波分解与重构的方法对原始性能参数进行了趋势分量的提取,进而运用线性回归的方法对航空发动机的性能衰退率进行了计算。经过实际运维数据的验证,本文提出的航空发动机性能衰退率计算方法能够为实际工程应用提供理论支持。     

扩展酉矩阵束算法实现稀疏可重构天线阵的优化设计

针对方向图可重构天线阵列的稀疏布阵问题,提出一种基于扩展酉矩阵束算法的优化设计算法。首先建立以阵元位置和多组激励为变量的多方向图联合稀疏优化模型,并利用期望方向图采样数据构建Hankel块矩阵。然后通过centro-Hermitian化处理和酉变换将采样矩阵从复数域转换到实数域,舍弃实矩阵中较小的奇异值对可重构线阵进行稀疏。最后通过对等价矩阵束的广义特征值分解估计稀布阵元位置,进而得到每个方向图对应的激励。仿真验证了该方法能够以阵元非均匀稀疏分布的阵列形式有效实现多个方向图的精确重构。     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.