新机试飞中的进气道旋流测量

测量新机试飞中的旋流及稳、动态压力畸变，即可全面评审进气道／发动机的相容性。根据进气道流场分析，建立一种适合于空中使用的旋流测量技术，并提出了解决问题的途径，介绍了Ｔ８７探的设计、性能、特点、试验结果。     

弹用高亚音速S形进气道设计和试验研究

简要介绍弹用涡轮喷气发动机的一系列高亚音速Ｓ形进气道气动设计和试验研究结果，并提出了关于高亚音速Ｓ形进气道在弹上的位置，进气道长度，进口形状，进口面积，内外唇口以及Ｓ形通道型面等设计的基本准则，通过风洞模型试验和发动机／进气道匹配试验，发现不同弹体布局对进气道性能的影响，借助激光技术观察并记录了弹体涡在一定攻角情况下进入Ｓ形腹部进气道的现象，与其它测试结果相配合，证实了弹体涡，弹翼波以及附面层的互     

纵向短周期飞行品质评估时域分析方法

基于飞机在纵向短周期飞行模态下,其阻尼比、自然频率等固有属性不随输入参数大小而改变的特性,提出了一种时间响应参数识别方法。从小扰动方程出发,给出飞机纵向短周期模态下参数随时间变化方程,运用遗传算法和最小二乘法直接对飞机参数时间响应进行拟配,简化了时域等效方法。通过与等效拟配结果对比,验证了结果的可靠性。该方法可忽略飞行员操纵中较小的静误差,有一定的工程应用价值。     

超轻型电动飞机电动力系统的参数匹配

结合某型超轻型电动飞机的设计参数,阐述了电动力系统的布局、系统参数匹配的原则和步骤.提出了电动力系统参数匹配和性能验证的方法.从动力性、经济性、系统质量的角度验证了该系统的可行性.参考飞机的最大平飞速度为175.5km/h,大于设计要求的最大平飞速度170km/h,满足动力性能要求.电动力系统的运行费用为6.8元/h,是相近功率活塞发动机运行费用的1/8.与3种电动飞机相比,参考机型的功质比仍比较高,达0.0842kW/kg,为可接受值.      

SUSAN角点检测和匹配算法在高温变形测量中的应用

 高温变形测量是材料力学性能实验方法研究中的重点和热点之一。为了能够实现在高温环境下精确地进行变形测量,将最小核值相似区(SUSAN)角点检测和光流跟踪匹配技术应用到位移和应变测量方面,设计了基于SUSAN角点特征的高温变形测量算法。该算法充分发挥了SUSAN角点特征的优点,具有测量精度高、抗干扰能力强等优点。在普通环境下,经过模拟散斑图数据的验证,利用该算法进行变形测量,误差在1%以内,精度高、稳定性好。通过高温力学实验发现,该算法能够适用于高温变形测量。本研究扩展了图像识别等技术在非接触测量技术中的应用。     

飞机快速机动过程中进气道/发动机一体化计算分析

基于进气道/发动机推进系统一体化动态数值模拟计算系统,对飞机快速俯仰机动飞行过程中的性能进行了计算分析研究,获取了飞机快速俯仰过程中的推进系统气动性能的变化特征,数值计算结果表明:快速变化的外部扰动会诱发发动机内部热力循环参数和性能更大的动态波动;在机动飞行的同时,增大燃油量,发动机推力下降程度得以减缓,发动机的单位燃油消耗率上升.      

1+1/2对转涡轮对双轴混排涡扇发动机整机特性影响的研究

为了研究1+1/2对转涡轮对双轴混排涡扇发动机整机特性的影响,通过对1+1/2对转涡轮特点的分析,提出了1+1/2对转涡轮的特性描述和在整机特性计算中使用方法,并将该1+1/2对转涡轮特性用于双轴混排涡扇发动机性能计算程序中,计算获得了对转涡扇发动机的节流特性,并通过与使用传统涡轮的发动机特性进行对比,获得了1+1/2对转涡轮对发动机整机匹配机理的影响。结果表明:计算获得的对转涡扇发动机性能与实验数据对比,计算精度满足工程应用要求;该对转涡扇发动机在设计点附近工作良好,但在核心机节流至70%设计转速时,对转涡轮引起整机性能发生明显恶化。      

基于压缩感知的整体叶盘多模态振动叶尖定时信号重构方法

叶尖定时测量技术是近年来发展的一种非接触式旋转叶片振动监测方法,具有非入侵性的优点,但是该系统测得的振动信号通常是欠采样的。为了能够重构叶尖定时欠采样信号,本文根据压缩感知理论以及叶尖定时采样原理引入了叶尖同步振动信号稀疏模型以及叶尖振动信号重构方法。对整体叶盘有限元模型进行瞬态分析得到叶尖振动信号,使用优化的正交匹配追踪算法以及基追踪对欠采样信号进行重构并和传统方法进行对比。计算结果表明：在信噪比为30dB的噪声环境下,限制频域的正交匹配追踪算法(OMP-RFD)可以准确地识别出叶尖振动信号的主要频率成分。最后使用试验所获得的叶尖振动信号进行重构,验证了OMP-RFD算法有效性。综上可知：压缩感知方法可以很好地应用于叶尖定时测量装置中,能够使用较少传感器识别叶尖同步振动欠采样信号参数,有效提高噪声环境下识别高阶频率的成功率以及准确度。     

面向视觉SLAM的快速均匀特征点提取方法CSCD

针对现有特征点提取方法中特征点提取结果冗余且均匀性差,导致SLAM定位精度及计算效率低的问题,提出了一种面向视觉SLAM的快速均匀特征点提取方法。在该算法的特征点提取部分,创新性地根据目标特征点提取数量对图像进行网格划分,使得特征点均匀分布在整幅图像中。同时,提出了一种兼顾全局和局部信息的均匀性评价标准,更符合视觉SLAM对特征点分布的要求。在NVIDIA Jetson TX2嵌入式平台上进行了实验验证,实验结果表明,新提出的特征点提取方法降低了特征信息冗余及特征信息缺失的概率,提升了SLAM定位精度,在计算资源有限的平台上具有实际应用价值。     

无监督深度学习单目视觉里程计研究

针对传统单目视觉里程计存在的尺度漂移和尺度不一致问题,提出了一种基于无监督深度学习的单目视觉里程计。首先,联合使用空间几何约束和图像相似性约束,得到长序列尺度一致的深度估计网络和鲁棒的光流估计网络;然后,对密集光流进行采样,得到精确的稀疏对应关系,减少尺度漂移;最后,根据改进的ORB-SLAM初始化方法,选择最优跟踪方式,结合深度信息进行尺度对齐,从而得到全局尺度一致的视觉里程计。在KITTI数据集上进行大量实验,结果表明,相较于ORB-SLAM2和基于深度学习的端到端的视觉里程计系统,该算法在通用评估指标方面性能有明显提升,验证了该算法的有效性。