复杂背景下红外弱小运动目标检测的新方法

提出了一种用于检测不同类型复杂背景下红外弱小运动目标的新方法。该方法能够根据图像信息自动选择背景预测算子;同时,针对不同类型复杂背景中目标和背景特性的差异,提出了“局部小目标可辨识度”的概念,并定义了一种有效的方法将其量化。在此基础上,采用蒙特卡罗实验方法构造了一种新的阈值函数,实现了单帧目标的检测,然后采用移动加权管道滤波提取目标的运动轨迹。实验结果表明,该方法对不同类型复杂背景的红外弱小运动目标具有很好的检测性能。     

基于振动传递符号有向图的齿轮箱嵌入式传感器优化配置模型与算法

针对嵌入式条件下振动信号的采集方式、传递路径与传统方式不同的特点,采用有限元仿真方法,分析了嵌入式传感下齿轮箱故障振动的传递特性,在此基础上建立了基于故障振动传递符号有向图的优化配置模型,并研究了基于粒子群优化的求解算法.案例仿真结果验证了上述方法的有效性,为在齿轮箱内部合理嵌入传感器提供了一种可行途径.      

某型发动机燃烧室出口温度计算方法分析及应用

概要介绍了某型航空发动机燃烧室出口温度的2种计算方法,结合发动机试车数据对采用2种计算方法得到的结果进行了对比分析。结果表明：采用涡轮流量法计算某型发动机燃烧室温度的结果比采用压气机特性法得到的计算结果更接近实际结果。     

基于单学科可行法的多学科可靠性设计优化

 近年来对多学科系统中不确定性的研究逐渐增多。针对该问题的计算复杂性,利用序列优化及可靠性评估（SORA）框架,提出用单学科可行（IDF）方法来求解多学科可靠性设计优化（RBMDO）问题。此方法将可靠性分析和多学科设计优化分离开来,分为确定性多学科设计优化和可靠性分析两个问题顺序执行,以提高计算效率。可靠性分析和优化的过程都采用多学科设计优化中高效的方法——IDF方法。最后通过例子验证此方法的有效性,算例结果表明,采用基于IDF的方法,学科1和学科2所用的函数计算次数分别减少了28.9%和25.0%。     

碳/碳复合材料表面纳米HAp/壳聚糖生物复合涂层的制备

以声化学法合成的纳米羟基磷灰石(HAp)为起始原料,以异丙醇作为分散介质,采用水热电泳沉积法在经壳聚糖(CS)溶液改性后的碳/碳复合材料(C/C)表面沉积纳米HAp/CS生物复合涂层.重点研究了水热条件下沉积电压对复合涂层的晶相组成、形貌和结构的影响规律.采用X-射线衍射仪(XRD)、透射电子显微镜(TEM)、傅立叶变换红外光谱分析仪(FTIR)和场发射扫描电子显微镜(FE-SEM)对所制备的涂层进行表征.结果表明:随着沉积电压的升高,涂层更加致密和均匀;同时水热环境有利于纳米HAp晶粒的生长,制备出的HAp/CS复合涂层不需要后续热处理.     

雨流计数的递归算法

给出了疲劳分析中雨流计数法的另一种等效解释。在这个解释的基础上,提出了雨流计数的递归算法。该算法将包含多于一个应力峰值点的任意载荷 时间历程以两个谷值点为界分解成3个子段,每个子段用递归方法继续分解成3个更短的子段,直至每个子段仅包含一个峰值点或不包含峰值点为止。分解得到的仅包含一个峰值点的任意子段对应一个子循环,其应力的最大值和最小值在递归分解过程中可以同时算出。该算法不需像其他雨流计数算法那样在剔除局部子循环的峰、谷点数据后重新整理载荷 时间历程,也能保留各应力子循环出现的先后次序信息,且最先分离出来的可以是变程最大的应力循环。算法的缺点是不适合实时疲劳损伤计算,且算法在实现时需要计算机为其堆栈分配较多的存储器空间。     

球形离散颗粒抑制尾喷流红外辐射传输数值模拟

以气溶胶烟雾红外抑制技术为背景,以Mie散射理论为基础,利用Fluent软件计算获得气固两相流场,采用射线踪迹法(RTANM)编制红外辐射传输计算程序开展了球形固体微粒环尾喷流喷射抑制喷流红外辐射传输数值模拟研究.研究参数主要考虑颗粒本身的光学特性以及颗粒在喷流射流中的扩散规律对抑制效果的影响.研究表明,各种影响因素中粒径对红外抑制率的影响最为显著,3～5μm范围内粒径在1.0μm左右最佳.      

气流激励下叶片动力响应分析方法

利用在物理过程上的耦合代替数学方程上的耦合,完善了双向顺序耦合求解的理论,进一步给出了双向顺序耦合的数值求解方法,并描述了其在物理上对应的过渡过程.结合具体工程算例,分析得到某小型发动机二级静叶在气流激励下的流场分布形式和叶片动力响应的特点,指出了双向顺序耦合数值求解方法的优越性.      

航空航天焊接结构件应力与变形的预测与控制

焊接是航空航天结构件制造的主要方法之一,焊接结构的应力与变形是构成焊接构件质量的重要因素,是焊接质量控制的重要内容。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。