2.5维编织复合材料弹性性能的理论研究

以2.5维编织复合材料细观几何结构的深入研究为基础,详细分析了其单元体模型。采用圆形纤维束截面和经纱沿正弦曲线分布的假设,建立了基于刚度平均的2.5维编织复合材料弹性性能分析预报模型,并采用M atlab编程用于计算该类材料的力学性能。在材料经向纱线密度不变的情况下,预测了弹性性能随纬向纱线密度的变化规律。通过理论计算结果与实验值对比,验证了该方法的正确性。     

底排环境效应风洞实验

环境温度和压力对底排减阻率有显著影响。介绍底排环境温度、压力效应的实验研究方法,主要结果和对弹丸射程的影响。     

贫燃型汽车尾气NOx的催化净化

用溶胶-凝胶混合法制备了Al₂O₃,Ag/Al₂O₃,Sn/Al₂O₃,Ga/Al₂O₃,Co/Al₂O₃和Pt/Al₂O₃等催化剂.在相同实验条件下,比较了C₃H₆在这些催化剂上还原NO的活性,并考察了反应条件对C₃H₆和CH₃OH在Ag/Al₂O₃上还原NO性能的影响.结果表明,Ag/Al₂O₃的还原NO活性优于其它催化剂.H₂O对Ag/Al₂O₃催化剂的NO还原具有可逆抑制作用,SO₂降低C₃H₆在Ag/Al₂O₃上还原NO的活性,但会显著提高CH₃OH还原NO的活性.     

大数据分析过程中的降维方法

随着大数据时代的到来,高维数组的分析越来越困难。介绍了两种大数据线性降维的方法,通过构造计算矩阵,求解矩阵的特征值和特征向量,可以非常容易地发现数据的极小维度表示,降低后期大数据分析的复杂度。通过采用这些方法进行数据降维,可以找出数据内在的相互关系,非常有利于数据分布规律的分析。     

基于主基底分析的变量筛选

利用Gram-Schmidt变换,提出一种主基底分析方法.解释并证明了Gram-Schmidt变换所删除的信息量.给出"主基底"的定义及构造方法,并提出"净信息含量比"的概念,用以测度所选基底包含的信息.该方法能在原始数据信息损失尽可能小的前提下,排除所有的冗余变量以及变量集合中的重叠信息,得到一个正交的主基底,从而更有效地对大规模变量集合中的信息进行筛选.多角度的理论分析指出,主基底在尽可能多地携带原始变量信息的同时,还可保证样本点间的相似性改变最小.实际案例分析说明了该方法的合理性和有效性.      

渐变刚度钢板弹簧刚度特性计算的曲率-载荷混合法

渐变刚度钢板弹簧在汽车中有广泛的应用.目前,汽车钢板弹簧的计算方法主要有共同曲率法和集中载荷法,但用这些方法计算副簧为变截面簧片的渐变刚度钢板弹簧时,适应性不好、精度不高.本文建立了具有该结构形式的渐变刚度钢板弹簧的普遍适用的力学模型,提出了一种计算分析渐变刚度钢板弹簧刚度特性的曲率-载荷混合法,通过对某型铃木汽车的渐变刚度钢板弹簧刚度的实例计算及与实验值比较,表明本文提出的曲率-载荷混合法简便易行且有较好的精度.     

弹性环式挤压油膜阻尼器动力设计方法

弹性环式挤压油膜阻尼器(ERSFD)与传统挤压油膜阻尼器(SFD)相比,在动力特性方面具有一定的特色.以燃气涡轮发动机用ERSFD为对象,基于有限元挤压油膜理论对ERSFD的弹性环支承刚度、油膜压力场分布和油膜阻尼等特性进行了研究.根据ERSFD的结构特点,利用有限元法分析其动力特性不仅具有模型简单、计算量小的优点,而且能考虑到各种复杂的边界条件及封严装置.研究结果表明,本计算方法和结果可以作为ERSFD结构优化的依据.与SFD(Squeeze Film Damper)相比,ERSFD具有分段式油膜间隙,可利用弹性环的弹性变形来调整油膜间隙,将油膜间隙控制在一个合适的范围内,从而有效地避免传统SFD在一定工作条件下的非线性振动现象的发生.      

一种固冲组合发动机进气道通气减阻方案的特性研究

提出了一种适用于整体式固体火箭冲压发动机的进气道通气减阻方案，并以矩形截面通气口高度、长度为变量进行了数值模拟实验，得到了其对阻力系数的影响规律。还给出了最佳通气方案的阻力系数随马赫数的变化规律，并与原始模型、进气口加堵盖方案进行了比较。最后结合一种具有常规气动布局的飞行器外形设计了模型，并对其进行了数值模拟研究和吹风实验，验证了方案的有效性和数值计算方法的可靠程度。     

航天器挠性板系统的模态分析和模型降阶

大型航天器上的太阳帆板这种悬臂外伸薄板结构挠性附件,由于存在模型不确定性及外部扰动条件下所引起的振动控制问题,为了易于低维控制器的设计以及降低控制“溢出”,需要建立板系统的低阶模型。对挠性悬臂板系统动力学模型分析采用模态展开技术,并利用模态截断方法、基于平衡实现的截断方法和平衡奇异摄动截断方法对挠性悬臂板进行了模型降阶,得到板系统的低阶模型,然后分析了降阶模型幅值误差。这为基于智能结构控制悬臂板控制器的设计提供了参考,数字仿真结果验证了方法的可行性。     

Bottom-Up Saliency Estimation Based on Redundancy Reduction and Global Contrast

A new algorithm for bottom-up saliency estimation is proposed. Based on the sparse coding model, a power spectral filter is proposed to eliminate the second-order residual correlation, which suppresses the global repeated items effectively. In addition, aiming at modeling the mechanism of the human retina prior response to high-contrast stimuli, the effect of color context is considered. Experiments on the three publicly available databases and some psychophysical images show that the proposed model is comparable with the state-of-the-art saliency models, which not only highlights the salient objects in a complex environment but also pops up them uniformly.