开缝衬套钉孔挤压强化技术研究

针对金属夹层结构的钉孔挤压强化技术进行了详细的分析和研究,对铝合金(7B04)金属夹层的不同挤压强化参数进行了试验分析,并给出了铝合金夹层结构适用于工程应用的挤压强化参数和与之相对应的疲劳增益值。     

脉冲爆震燃烧室管壁冲击冷却效果的数值研究

根据实验测量的脉冲爆震燃烧室壁温沿程分布,推算出符合脉冲爆震燃烧室特定频率下的准稳态热流阶梯分布;在此基础上,针对叉排阵列射流冲击冷却的脉冲爆震燃烧室壁面温度分布进行了数值计算.研究表明,由于冷却气流通道端壁效应的影响,靠近爆震燃烧室尾部的射流孔的冲击射流速度较大,热流最大的燃烧室尾部管壁的温度可以得到有效的降低,而燃烧室中部的射流由于受到前排射流形成的横流影响,对管壁的冲击冷却效果较弱,使得壁面温度的峰值向中部转移.在相同的环形冷却通道进口雷诺数下,阵列射流孔宜布置在脉冲爆震燃烧室中部,射流冲击间距比Z_n/d=1.5时,管壁的峰值温度最低而且整体的平均温度最小,较小的冲击孔直径对应的冲击冷却效果较好.      

7050-T7451铝合金试件的疲劳安全寿命估算

对7050-T7451铝合金试件的三类不同试样激光冲击强化处理,研究其7组疲劳寿命值,并对铝合金试件的疲劳试验结果分别用单侧容限因数法和二维Weibull分布法进行疲劳安全寿命估算及比较.结果表明,激光冲击强化作用大大提高了铝合金试样的疲劳寿命;在考虑置信度和可靠度的前提下,单侧容限因数法能得到一个确切的疲劳安全寿命估...     

二次奖罚学习自动机

研究了奖罚型学习自动机的一种非线性强化算法。与线性的奖罚模型（ＬＲＰ）不同,新模型的行动选择概率的更新函数为二次的。这使得该模型的学习性能优于ＬＲＰ,且对不同的环境,其具有不同的行为和特点。     

基于二叉树支持向量机的装备故障诊断研究

本文提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

Mg-Sc-Y三元合金的微观组织和力学性能

稀土元素作为重要的镁合金强化相元素,其多元添加产生的影响并未得到充分研究。在Mg-Sc二元系的基础上将Y作为第三元加入,制备了Mg-5Sc二元合金及Mg-5Sc-0.5Y,Mg-5Sc-1Y,Mg-5Sc-2Y,Mg-5Sc-3Y,Mg-5Sc-3.5Y(质量分数,%)5种三元合金,并通过光学显微镜(OM)、扫描电子显微镜(SEM)、X射线衍射(XRD)及室温拉伸等试验,研究了Y元素的加入对Mg-Sc二元合金微观组织和力学性能的影响。结果表明:Y元素在合金中的主要存在形式为固溶态,富集于晶界处。随着Y元素含量的提升,合金晶粒度显著减小,屈服强度和硬度大幅提升,Mg-5Sc-3.5Y的屈服强度相比Mg-5Sc提升了约50%。该强度的提升主要是由细晶强化和固溶强化引起的。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习（SNIRL）算法进行求解,该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性 。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。