激光清洗铝合金表面复合漆层作用机制

采用纳秒脉冲光纤激光器在3种不同扫描速度（900、720、540 mm/s）工艺条件下，对2A12航空铝合金表面丙烯酸聚氨酯复合漆层进行了激光清洗实验，研究了不同激光扫描速度对清洗效果的影响。实验表明，当900 mm/s时，面漆全部去除，底漆部分去除；当720 mm/s时，底漆余量进一步减少，氧化膜显露；当540 mm/s时，漆层基本除净，但部分氧化膜破坏，基材外露。研究发现，清洗过程形成了“烧蚀-等离子体冲击-烧蚀”除漆机制交互作用的特点，烧蚀会引起漆层中功能性氧化物粒子和面漆着色剂脱漆沉积，凹坑为主要清洗特征；等离子体冲击主要发生在凹坑间隔区间，其产生的爆轰波主要对漆层产生破坏或去除作用；烧蚀和等离子体冲击一方面会触发瞬态加热膨胀除漆机制，使残余漆层发生应力碎裂或剥离；另一方面将使残余漆层受到热影响，导致部分自由基发生位置重排和置换。     

二维与三维机织复合材料面内力学性能对比

设计并制备了结构形式和工艺参数相同的二维机织层合和三维机织复合材料，利用数字图像同步测试技术（DIC）系统地开展了经、纬向拉伸、压缩试验和面内剪切试验。结合试样表面应变场的演化过程和断裂形貌分析，对比研究了二维机织层合复合材料和三维机织复合材料的承载机制、力学性能和失效机制的差异。结果表明，经纱在层间的交织联锁对机织复合材料的宏观力学行为和承载机制有重要影响，三维机织复合材料牺牲了经向拉伸和压缩性能，得到了更好的结构整体性和更高的纬向性能。此外，三维机织复合材料的经向拉伸应力-应变曲线具有明显的非线性特征。同时，经纱对纬纱的强约束导致了纤维束/基体界面上的弱粘接，降低了三维机织复合材料抵抗剪切变形的能力。     

氢燃料双模态冲压发动机火焰结构及其稳定机制的LES研究

为深入理解双模态冲压发动机内流场结构和燃烧特性，本文采用精细的有限速率化学反应模型，对凹腔内氢气直喷式超声速燃烧室火焰进行了大涡模拟研究。发动机隔离段入口马赫数为2.0，滞止温度和压力分别为950 K和0.82 MPa。定性和定量的验证分析表明，计算结果良好符合试验所反映的物理规律，再现了两种典型的工作模态及其稳焰模式。当量比为0.1时，发动机处于超燃模态，为凹腔剪切层稳焰模式；当量比为0.3时，发动机处于亚燃模态，为凹腔辅助射流尾迹稳焰模式，分离涡的大尺度脉动及凹腔回流区的缺失致使火焰剧烈振荡。同时采用改进的火焰因子和过滤函数详细分析了局部火焰特征和流动模式，观察到了不同规律的局部熄火现象，并且剧烈的流动振荡对于局部火焰结构的稳定性有着不利影响。     

基于行人姿态的轨迹预测方法

在自动驾驶领域，行人轨迹预测一直是研究热点之一，行人行为的不确定性给轨迹预测带来很大的挑战。目前大部分轨迹预测方法只专注于行人之间的信息交互，忽略了行人意图和场景中其他语义信息对行人轨迹的影响。为此，提出一种基于行人姿态的卷积编码器-解码器网络(PKCEDN)来预测目标行人轨迹的方法，所提方法包含基于卷积、长短时记忆(LSTM)网络的编码器-解码器模型和能够学习当前时刻与过去时刻轨迹相关性的注意力机制。所提方法在MOT16、MOT17和MOT20公开数据集上进行了相关测试，与Linear、LSTM、Social-LSTM、Social-生成对抗网络(GAN)、SR-LSTM和M_sgtv等主流方法相比，在保证预测速度不降低的前提下，平均误差降低约36%。     

准静态拉伸下固体推进剂三维结构变形损伤失效机理研究

为揭示固体推进剂在准静态拉伸下变形损伤过程，依靠微型材料试验机在上海同步辐射光源BL13W1线站搭建了原位显微CT测试系统，对HTPB推进剂试样在准静态拉伸下变形损伤过程进行了三维原位实时表征，像素尺寸3.74μm。基于上述试验结果，分析了目标微细观结构演化过程及孔隙率与材料宏观损伤之间的关系。结果表明，固体推进剂内部微裂纹的出现早于应力-应变曲线达到拉伸极限强度点。利用图像分割技术精确提取了AP颗粒、Al粉颗粒、微裂纹与HTPB基体相，并对AP颗粒与Al粉颗粒的三维拓扑结构进行了定量描述。微裂纹的成核集中在较大且形貌不规则的AP颗粒与HTPB基体界面。最后，观察到裂纹在固体推进剂内部的水平传播和竖直合并两种传播模式，并以水平传播为主导。     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。