可变阻力特征对锥套拖曳位置的影响

为了突破传统空中加油稳定伞对于加油机飞行速度和高度的限制,业内提出了可变阻力特征稳定伞的概念.本文分析了阻力特征变化对于加油锥套拖曳位置的影响,对一类可变伞撑角的变阻力特征稳定伞进行CFD数值模拟,得到了不同伞撑角下稳定伞的阻力随速度和高度的变化趋势.对加油软管进行离散建模,计算了软管拖曳形状.结果表明,通过改变伞撑角...     

多机并联火箭羽流流场及其底部热环境分析

针对某多机并联火箭羽流流场结构复杂、底部热环境极为恶劣,有可能导致发动机结构部件失效的问题,通过数值仿真对其飞行过程不同高度下的羽流流场及热环境进行研究,并与热环境实测结果进行了对比分析.计算结果表明:火箭低空飞行时,各发动机羽流互不干扰,随着飞行高度不断增加,羽流逐渐扩张并开始相互干扰,最后在箭体底部出现明显回流,最...     

燃气轮机周向拉杆转子连接刚度对转子振动特性影响的研究

为研究燃气轮机周向分布式拉杆转子轮盘间存在的连接刚度对轴系转子振动特性产生的影响,提出一种基于六自由度的弹簧单元等效方法.首先,将轮盘接触刚度与拉杆弯曲刚度同时等效进连接界面,便于使用一维梁单元求解其临界转速与振动响应变化,验证其与全三维有限元法吻合度在3％以内.然后,改写了非线性动力学方程,采用谐波平衡法对其进行求解...     

CATIA标准化建模在飞机结构设计中的应用

列举了飞机结构设计中的典型零件、典型特征进行案例分析,阐述标准化建模带来的益处,为建立起一套更适合于飞机结构设计人员进行三维设计的标准化体系提供了方法.     

基于专家访谈的民航飞行员心理健康特征指标体系研究

本研究为《飞行人员心理特征及行为方式引导研究》的子课题。《飞行人员心理特征及行为方式引导研究》是国内首个针对民航飞行员心理特征及行为方式展开的社会科学研究,由东航集团公司与中国民航飞行学院合作进行。经过详细的前期访谈和样本分析,形成了不同年龄群体的飞行员心理状态比对研究模型,并开发出民航飞行员心理在线测评系统、EAP手册、民航飞行员心理健康指数报告等成果。项目成果有望率先在东航展开应用,通过对飞行机组心理健康水平的监测、疏导,将有效提升航空公司的持续安全运行水平。     

零件表面微观工艺特征性研究 ——产品(零件)工艺技术基础科学问题机理探索

通过研究产品(零件)制造过程、方法、参数等工艺因素,给零件表面及表层带来(留下)特有的微观特征性,首次在高精度惯性仪表和高可靠电磁继电器(机电类)产品制造体系中引入了零件表面微观工艺特征性概念,提出了制造阶段的产品工艺可靠性设计和微观工艺特征(性)分析方法,提出了该类产品制造中的工艺设计更应该关注零件与产品设计原理匹配性和性能特性符合性观点,提出零件制造要从单纯的控制几何精度向控制性能特性转变,从宏观、单一采标的几何参数评价向微观、综合采标的非几何(非尺寸)参数评价模式为主转变的建议.零件表面存在的这种微观特征现象与零件几何精度一样,将对产品制造的合格率、稳定性、可靠性的实现起到至关重要的作用,尤其对产品的合格率影响极大,有必要开展更深入、更系统的研究,以建立起我国自主的高端产品(或零件)制造基准工艺平台.     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据,也是小天体测绘,着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型,表示小天体在相机坐标系中的姿态变化;然后定义小天体旋转的状态方程,推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪,利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中,在仿真相机与小天体相机100 km距离上,分析了相机坐标系小天体坐标系之间的四元数初值,图像上特征点跟踪精度,相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明,提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

视觉测振技术在柔性太阳翼模态试验中的应用

针对8 m×5 m的柔性太阳翼在倒立状态下进行模态试验,设计数字摄像视觉测振系统,基于图像特征跟踪法实现了从相机标定、图像采集、信息提取到三维振动数据获取的过程,通过工况模态辨识方法获取了柔性太阳翼模态频率及振型等动力学参数。并考虑空气和重力影响建立太阳翼有限元模型,通过与基于基恩士激光位移传感器的传统模态试验结果及仿真分析结果进行对比,验证了基于视觉测振工况模态试验方法的准确性,为柔性太阳翼在轨模态辨识奠定基础。     

基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。