试飞员能力模型研究

在飞行器研制和人类飞行探索中,试飞员的能力至关重要。针对以往对试飞员能力的评价基本停留在客观、正确、诚信、能力以及尊重他人等主观、感性层面,分析了试飞员在飞行器研制试验与鉴定中的作用和任务,给出了试飞员能力模型和百分制对试飞员的计划、飞行、评价、报告和建议等基本能力的量化分配。将试飞员能力显性化,有利于试飞员能力的客观评价。     

液体火箭发动机推力室冷却通道流动与传热数值研究

采用气固耦合算法对液体火箭发动机推力室再生冷却通道的流动与传热过程进行了三维湍流流动与传热数值模拟，冷却工质为氢气，其密度、导热系数、动力粘度随着温度和压力而变化。应用大涡模拟及标准k-ε双方程模型两种湍流模型分别进行数值模拟，详细揭示了再生冷却通道固体区和流体区内的速度场和温度场，并在不同的计算网格数目下对两种湍流模型的计算结果进行了对比。结果表明，在相同的网格条件下，标准k-ε双方程模型与实验数据的吻合精度比大涡模拟模型更好，且满足工程计算精度。随着网格数的增加，大涡模拟的计算精度逐渐得到改善。     

考虑冷气喷射的涡轮叶栅尾缘损失理论分析

 基于Denton 的尾缘流动理论, 发展了一种考虑冷气喷射的二维、可压涡轮叶栅尾缘混合损失模型,研究了涡轮叶栅尾缘损失的特征, 定量评估了影响尾缘损失的各种参数。研究表明, 冷气流量是影响尾缘损失的一个重要参数, 对于主流马赫数为11 1 的典型情况, 冷气流量从0 增大到10%, 损失增大315 倍。叶片尾缘基压变化对损失也具有明显的影响, 其它影响损失的参数包括叶栅出口位置边界层动量厚度、冷气总压、叶栅尾缘厚度等。     

连续旋转下陀螺敏感轴偏移误差标定与补偿

激光捷联惯导因其具有良好的短期精度和稳定性等优势而被装备在武器、飞机等领域。针对连续旋转下机抖激光陀螺敏感轴偏移造成导航精度下降的问题,建立了机抖陀螺敏感轴偏移误差模型,利用陀螺有限元仿真结果完善该模型。提出了一种标定方法,该方法通过一种新的位置编排方案对6个敏感轴偏移误差进行充分激励,并用Kalman滤波估计出误差参数。仿真试验表明,该方法可以准确标定出敏感轴偏移误差参数。实物试验表明,补偿敏感轴偏移误差后,惯导系统在动态环境下的速度误差减少了80%以上。该标定与补偿方法能提高惯导系统动态导航精度,具有一定工程价值。     

过程体系结构

从系统论的观点出发，明确定义了过程工程领域的基本概念，定义了过程体系结构，采用了一个扩充的ＣＯＳＭＯＳ模型，以支持灵活的过程建模，并在此基础上讨论了过程的工程化支持。     

激光惯组结构系统陀螺抖动性能确定方法与应用

当二频机抖陀螺相对于其安装基座的抖动幅度较小时,偏频技术不能很好消除锁区的影响,陀螺精度将降低,甚至停止抖动失去功能。激光陀螺抖动性能与结构密切相关,给出了激光惯组箱体减振器本体抖轮陀螺体系统的激光陀螺抖动多体动力学模型及关键参数识别方法,能够根据激光惯组的结构、减振设计方案计算陀螺抖动性能,进而选取合适参数及结构布局解决激光惯组系统陀螺抖动效率差的问题。最后,通过型号实际问题分析验证了该方法的准确性及工程实用性。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

行星齿轮非线性振动系统参数稳定域的计算方法

研究了行星齿轮非线性传动系统参数稳定域计算的一般方法.该方法通过选取合理的失稳阀值,根据考查参数域内系统的运动状态选取合适的数值积分时间段,以循环套嵌的手段计算考查参数在各自范围内不同组合下的系统位移响应最大值,比较失稳阀值以判稳,参数稳定域的图形输出等5个步骤完成对行星轮系参数稳定域的计算.最后,以四自由度行星轮系纯扭转非线性振动模型为例,以行星轮输入转速、系统的齿侧间隙以及齿轮副的啮合阻尼系数为考查参数,分别计算得到了系统的单参数稳定域、双参数稳定域以及三参数稳定域,为行星轮系的设计取值提供了重要参考.      

太阳活动区EUV图像的生成式模型耀斑分级与预报

近年来,不断发射的空基观测台持续传送回海量日面图像及日地间气象数据,为采用人工智能技术对太阳活动进行预报预警提供了数据基础。但是,极端天气爆发少,样本量较少;中等程度爆发稍多,样本量较多;常规无爆发天气常见,样本较为集中,样本不均衡状况严重影响机器学习方法在空间天气领域的广泛应用。本文面向多源多通道多尺度日面图像信息,构建了来自SOHO和SDO的1996-2015年日面活动区图像数据集;针对数据分布的不平衡,对太阳活动区图像作耀斑分级与预报。在对比分析元学习算法的基础上,设计了结合分类头设计和卷积核初始化的生成式模型;在使网络轻量化的基础上,能够将M和X级耀斑预报的检测率指标相较于普通的深度学习模型和无监督度量式模型分别提升10%和7%。     

利用最大最小化模型求解地面搜索问题

在搜索人数一定,用时最短的条件下,为了搜索完目标区域,根据搜索完区域的时间即为最后到达的人员所需时间,建立了最大最小化的规划模型,通过lingo程序,进行求解.并对划分的小矩形区域个数和队员人数也做了分类讨论.针对地面搜索问题进行了研究和讨论具有一定现实意义.