叶片锻模的关联设计

为提高叶片锻模的设计效率,提出了叶片锻模的关联设计方法.根据叶片锻模设计在不同阶段的特点,三维图与二维图的关系,以及锻件、分模实体、模具外形和上下模具之间的关系,采用参数化、主模型、引用集、Wave等方法实现叶片锻模设计的关联.     

基于大规模定制的产品建模技术及配置过程研究

分析了三种主要的生产模式及其演变,在分析产品族结构形成过程的基础上提出基于配置单元的产品族结构模型,并对配置单元进行了论述。给出实现配置过程的算法并用实例进行验证。     

基于椭圆路径的光学镜面超精密研磨技术研究

利用基于椭圆成形方法建立的二次回转曲面加工误差模型,并用最小二乘方法建立了二次回转曲面铣磨误差辨识模型。考虑到各项误差对面形误差影响的相似性,分析了合并、分开辨识相似误差所引入的误差,以此得到处理相似误差的策略。     

软件复用技术在科学计算软件中的应用研究

首先介绍多层软件复用技术及它的两个实践形式,并讨论软件复用的应用策略;接着探讨适合科学计算软件的开发模型;然后,描述民用飞机性能计算软件的开发以说明软件复用;最后,提出软件复用在科学计算软件开发中的需注意的几点事项以及今后应用研究的方向.     

分布式信任模型在嵌入式Internet中的应用研究

为了充分利用嵌入式设备的联合处理能力,嵌入式设备之间必须进行一系列的合作.信任是人们进行社会交往的基础,人们之间的信任关系在不断地更新和传递.依据这种原理,提出了一种基于社会信任关系的协同工作分布式网络模型.嵌入式Internet系统中的设备在协作过程中,互相之间逐步形成了一种相互信任的关系,这种关系以信任表的形式存在本地端点中,并通过不断地自学习来修改信任表.给出了信任模型的建立过程以及信任参数的更新和传递算法,应用实例表明了模型的有效性.     

高性能的标准单元库设计

从仿真和流片两个方面对标准单元库的验证方法进行了研究.在仿真方面,提出了采用静态时序分析工具和SPICE仿真工具对单元的估算值和仿真结果进行比较分析的方法来验证,同时还给出了具体的操作步骤实例.在流片验证中,提出了一种非常有效的电路结构.这种电路结构不但能够准确验证时序,还能极大地减少PAD数量;最重要的特点是:该电路能够完全避免PAD和非被测单元的引入带来的额外延迟,从而得到准确的被测单元延迟.     

热防护系统损伤容限分析

建立了含初始矩形损伤的热防护系统(Thermal protection system,TPS)气动热分析的CFD数值模型,分析结果表明损伤区域侧壁出现了很高的热流密度峰值,并且迎风面侧壁峰值高于背风面,而损伤区域底部热流密度却很低。利用分析获得的热流密度建立了含损伤和无损伤TPS的有限元传热分析模型。分析结果表明:损伤的存在导致防热瓦最高温度急剧上升,超过其材料能承受的极限温度(1 500℃),防热瓦首先失效,而损伤对机体最高温度影响较小。最后进行了TPS损伤容限分析,在防热瓦极限温度约束下,外部热流密度最大值从100kW/m2增加到140kW/m2,矩形损伤宽度最大容许值从22.7mm减小到12.6mm,而弧形损伤宽度最大容许值从34.6mm减小到25.1mm,即随着外部热流密度最大值增加,损伤宽度的最大容许值降低,并且相同外部热流密度水平下弧形损伤宽度的最大容许值大于矩形损伤。     

空间载荷机柜热控设计的仿真研究

空间站主动热控系统的作用是提供和保持航天员、仪器设备和结构部件所要求的温度、湿度和风速等热环境。本文以空间载荷机柜为热控系统的基本单元,建立了以单相流体循环回路为基础、采用液冷结合风冷的冷却方式的载荷机柜数学模型;介绍了模糊增量控制算法的工作原理;提出了采用模糊增量控制算法,以液冷支路进出口温差和风冷支路冷却量占总冷却量的比值为控制目标的反馈控制策略。同时文章采用数值模拟方法研究了控制系统的动态响应效果。仿真结果显示,模糊增量控制算法具有响应迅速、超调量小、无静态误差的特点,控制策略满足有效性、稳定性和高精确度的要求。     

散射对高温气体-碳黑颗粒混合物辐射传输的影响

基于全光谱k分布(Full spectrum k distribution,FSK)模型、MIE理论和有限体积法(Finite volume method,FVM),构建了均温、均质辐射参与性气体-碳黑颗粒混合物介质热辐射传输模型,并分析了碳黑不同尺寸、不同体积浓度以及介质不同路径长度和不同温度条件下,因忽略碳黑颗粒散射所导致的介质热辐射传输特性(如辐射热流、辐射源项)的计算误差。研究结果表明:体积分数不变,增大粒径,计算误差呈现出先增大后减小的趋势;数密度不变,增大粒径,或者粒径不变,增大体积分数,均将使得计算误差相应增大;粒径、体积分数不变,增大路径长度,或者升高介质温度,均将增大计算误差。通常对于含有大颗粒、高碳黑浓度的辐射参与性气体-碳黑颗粒混合物介质,碳黑颗粒散射不能忽略。     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架,它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先,本文介绍了联邦学习的基本概念和威胁模型,有助于理解其面临的攻击。其次,本文总结了由内部恶意实体发起的3种攻击类型,同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较,进一步讨论了该领域未来的发展方向。