一种电磁层析图像快速重建算法

针对电磁层析成像（EMT）逆问题中,灵敏度矩阵的病态性、不适定性等问题,提出了一种新的电磁层析图像快速重建算法。利用主成分分析（PCA）对灵敏度矩阵做降维映射,再利用奇异值分解（SVD）求广义逆矩阵,重建图像。在选取灵敏度矩阵的协方差矩阵的特征值个数中,利用灵敏度矩阵特有的多样本特性,提出图像相关系数最大化算法,更加合理地去除灵敏度矩阵中的冗余信息,在尽可能不丢失成像特征信息的条件下,提高了解稳定性。实际采集数据成像时,该算法只需一次矩阵乘法运算,为快速实时成像提供了可能。与传统单步算法和迭代算法相比,该算法在成像质量和速度上都有较明显优势。      

采用DMD方法研究叶栅不同攻角的拟序结构

为分析平面叶栅分离流非定常拟序流动特征,对三个不同攻角下的叶栅进行了单通道的大涡模拟仿真,并采用动力模态分解（DMD）三个工况的流场结构进行了分析。DMD方法对包含复杂时空信息的叶栅分离流流场进行了解耦,剥离出了反映流场主要动力信息的模态,获得了其频率和与之对应的空间结构。并且通过DMD方法,将原本需要研究大量不同时刻的流场,转移到仅需要对少量模态的研究即可,实现了保留主要动力特征的低维近似。通过DMD分析表明:气流经过叶片前缘产生流动分离,形成不稳定的剪切涡结构,它和尾迹区脱落涡相互耦合,并形成新的拟序结构。随着攻角的增大,前缘剪切涡及其与尾迹涡的耦合也同时增强,流场变得更加复杂。      

单组元催化分解发动机参数设计

阐述了单组元催化分解发动机的催化剂床孔隙率、催化剂床比表面积、氨解离度、喷注管流阻和启动响应时间等有关参数对发动机的影响,及其相互间的关系.介绍了这些参数的计算方法,并给出了计算实例.     

研究推进剂凝聚相反应宏观动力学的爆燃延迟法

介绍了一种用爆燃延延期测定仪研究推进剂凝聚相高速分解反应动力学的方法。通过对硝化棉、双基和催化基推进剂，以及ＲＤＸ等试样爆燃延迟期的测定，得出了爆燃延迟期与反应宏观动力学参数反应速度常数、活化能、频率因子以及燃速等之间的关系。该方法快速、简便、有效，且在充压条件下进行，更接近于推进剂实际燃烧过程。     

主动冷却通道内甲醇催化分解吸热过程

甲醇分解生成H2和CO是吸热反应,为了研究甲醇作为吸热燃料应用于主动冷却技术的可行性,使用电加热管技术,在4MPa压力下研究了热分解,Pd/Al2O3,Pt/Al2O3,Ag/Al2O3涂层催化剂对甲醇分解的影响。结果表明在600℃时5%Pd/Al2O3催化甲醇分解,分解率达到68.87%,热沉为4236 k J/kg,比热裂解高出18.39%。此外,也比较了不同金属含量负载催化剂对甲醇分解的影响,发现较高的金属含量有利于提高催化剂的活性和选择性。     

民用飞机LRU规划的维修性因素研究

对航线可更换单元(Line Replaceable Unit,简称LRU)规划的维修性因素展开了探讨。对于民用飞机而言,航线可更换单元规划得好坏决定维修性设计的优劣。阐述了航线可更换单元的含义,引入了飞机系统结构分解的概念,介绍了航线可更换单元确定的流程,建立了确定流程图,并分析了维修性因素在LRU规划中的作用。通过考虑LRU与平均修复时间(MTTR)之间的关系,详细介绍了基于LRU规划的MTTR实现。该研究对后续LRU规划和维修性设计具有一定的指导意义。     

基于超声导波波束成形的缺陷反演方法研究

利用超声导波对板结构中的缺陷进行反演可以确定缺陷的位置和形状信息,针对走时成像方法在低频范围内效果不佳的问题,提出一种基于波动场的超声导波缺陷反演成像方法。根据波动方程推导出波束成形成像原理,利用Born近似下的散射场数据对成像区域像素点的值进行相干叠加,得到缺陷的位置和形状。再通过波束成形与傅里叶衍射定理在频域的映射关系,将波束成形的结果转化为衍射层析成像图像,得到了更为清晰的反演图像。针对衍射层析成像中存在伪影和噪声的问题,利用二维变分模态分解（Two-dimensional variational mode decomposition,2D-VMD）方法对图像进行降噪处理,有效去除了伪影和缺陷轮廓边缘的毛刺,进一步提高了成像分辨率。反演结果表明该方法可以较为准确地重构出铝板上减薄缺陷的位置、大小和形状,具有较高的分辨率。     

基于VMD-LSSVM的扇区流量短期预测

对扇区流量进行短期预测,是精准实施扇区流量优化和管理措施的前提。基于分解集成预测方法论,建立了变分模态分解-最小二乘支持向量机（Vibrational mode decomposition-least square support vector machines,VMD-LSSVM）预测模型。首先,应用变分模态分解（Vibrational mode decomposition,VMD）方法将扇区流量时序数据分解为若干个模态;然后,使用最小二乘支持向量机（Least square support vector machines,LSSVM）模型分别对模态进行预测;接着,对模态的预测结果进行加和集成,得到了最终的预测值。算例计算结果显示,针对60 min统计尺度流量时间序列,VMD-LSSVM模型在1～6 h的均等系数（Equal coefficient, EC）值为0.97,在7～12 h的EC值为0.94;与差分自回归滑动平均模型（Autoregressive integrated moving average model,ARIMA）,反向传播（Back propagation,BP...     

基于变分模态分解的燃烧室热声振荡衰减系数辨识

利用发动机燃烧室稳定燃烧阶段的压力振荡信号,提取热声谐振模态频率及其幅值,并建立不同复杂程度热声振荡理论模型辨识获取各模态衰减系数,是当前试验评估燃烧室燃烧稳定性裕度的一种重要手段。建立了二阶随机振子热声振荡理论模型,采用基于最大峭度准则的变分模态分解算法提取压力振荡信号的热声谐振模态,开展了模态提取算法和时/频域辨识方法验证,并将其应用于某针栓式气氧/乙醇模型发动机燃烧稳定性裕度评估分析。结果表明：与传统的带通滤波算法相比,峭度最大变分模态算法有效提高了热声谐振模态的提取精度和使用便捷性。     

基于NGO-VMD和DBO-SVM的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段信号微弱难以提取和识别的问题,提出利用北方苍鹰算法优化变分模态分解参数,并结合蜣螂优化算法优化支持向量机的方法进行故障提取和分类识别。首先,采用北方苍鹰算法对变分模态的最佳参数进行搜索,将信号用变分模态分解为若干个本征模态函数;然后利用峭度选取最优本征模态函数;最后将其输入蜣螂优化算法-支持向量机诊断模型中进行故障分类识别。实验结果表明,北方苍鹰算法-变分模态分解方法在迭代次数和收敛精度上均有一定的优势,采用峭度选择最优本征模态函数,包络解调分析后提取早期微弱故障信号故障特征的能力最佳;蜣螂优化算法-支持向量机诊断模型能在故障信号微弱背景下,使故障诊断分类识别率有一定的提高。该方法具有较好的故障特征提取和分类识别能力,为滚动轴承早期故障诊断提供技术支持。