内置式空中发射运载火箭发射方向研究

对运载器与载机分离过程的几个阶段采用统一模型进行研究,建立了分离过程物伞系统的刚体-质点模型。以此数学模型为基础,对空中发射的分离过程用Matlab/Simulink进行了仿真计算。结果表明,前向发射在分离过程结束时运载器的高度损失和速度损失比后向发射小,性能优于后向发射,对实际工程应用具有重要参考价值。     

一种求解D-S诊断识别框架方法

利用D-S证据理论进行故障诊断时,首先需准确地确定出诊断识别框架,这是D-S故障诊断的先决条件.在导弹武器等复杂系统中,存在着故障原因与故障征兆之间关联关系不确定的现象,增加了求取诊断识别框架的困难.为此,提出了一种求取复杂系统的D-S诊断识别框架方法.首先,基于基本诊断模型,给出了诊断贝叶斯网络模型.以及求解诊断贝叶斯网络模型的方法;然后,给出了征兆集合等概念以及求解故障识别框架的方法;最后,通过示例验证了方法的正确性.     

航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

预爆管式脉冲爆震原型机试验研究

为了实现多循环吸气式脉冲爆震发动机（PDE）在较短距离内缓燃向爆震的转捩,降低主爆管通过障碍物触发爆震的内部阻力损失,设计了预爆管和主爆管以同种混气（汽油/空气）为工作介质的两相PDE原型机,试验研究了爆震燃烧过程。研究表明：当预爆管出口扩张角度为45°时,可以实现爆震波在主爆管内向衍射面上、下游传播;设计的预爆管式PDE原型机可以实现最高频率为66.7 Hz的稳定间歇工作。     

镍基单晶合金高温蠕变的θ映射模型

针对镍基单晶涡轮叶片蠕变的晶体方向性问题,运用θ映射法,在晶体滑移理论框架下,建立了能够描述镍基单晶合金各向异性蠕变的θ模型.利用文献中2种镍基单晶合金(DD3和CMSX-4)的蠕变数据,对所采用的方法进行了验证,并获得了2种材料各自对应的材料参数.理论预测值和试验数据基本吻合.结果表明:将θ映射法移植到晶体滑移理论中是可行的,能够用来模拟镍基单晶合金的各向异性蠕变行为.     

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。     

基于转角振型曲率的损伤识别

利用中心差分法求取振型曲率,用损伤前后同一位置的振型曲率变化来作为结构损伤的识别指标。采用有限元方法,通过数值仿真对不同位置发生损伤的悬臂梁进行分析,利用构造的的损伤指标对结构损伤情况进行识别研究。在前人的研究基础上,特别提出了利用角度位移振型曲率变化来识别损伤。仿真算例表明:利用角度位移振型比平动位移振型识别损伤的效果更好、精度更高。     

基于LC理论和概率神经网络的损伤识别

本文提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,选取FS-TARMA(函数基时变自回归移动平均)时间序列模型应用于一种随机振动信号中,这种振动信号在时变系统中用来估计TAR/TMA参数和创新方差。基于一种特征值分解技术,被估计的TAR/TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs(潜在成分)。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。将这种新方法用于三自由度时变系统中进行评估,根据质量和弹簧刚度的降低来模拟不同级别的损伤。这种方法能够找出系统参数的时变性质和质量及刚度变化引起的损伤级别。结果表明:使用这种方法,与其他的非降维和普通的特征提取方法相比,识别的成功率有相当大的提高。     

编与读

编与读读者朋友们:2007年在你们的热心支持中过去了。回顾过去的一年,《读者园地》版块给我带来了许多的惊喜,许多的感动,也有一些遗憾和愧疚。惊喜的是我看到了你们在事业上取得的成就,在学业上获得的成绩;感动的是你们对航空航天执着的追求和热爱;遗憾的是由于版面的关系,不能每一封信都一一回复和解答;愧疚的是由于疏忽,有时给读者的答复不是完全准确。我们迎来了2008年,这是令全国人民都欢欣鼓舞的一年——奥运会即将在北京召开。新年新气象,我们的《读者园地》也希望借着这阵东风,走上更高的台阶!我们热切地希望新老读者一如既往地支持我们!E-Mail:hkzszz@163.com《读者园地》编辑     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。