超高温陶瓷改性C/SiC复合材料的制备及其性能

以碳纤维为增强体,聚碳硅烷和聚烷基铪为前驱体,采用前驱体浸渍裂解(PIP)工艺制备C/Si C-HfC复合材料,将其与同种工艺所得C/SiC复合材料进行对比评价分析。发现C/SiC-HfC复合材料具有较低密度和较好的高温力学性能,且在1 650℃静态氧化实验中,含有HfC的基体对纤维具有更佳保护效果。C/SiC-HfC密度约为1.92 g/cm~3,常温弯曲强度为345 MPa,1 800℃高温无氧环境弯曲强度可达424 MPa。C/SiC-HfC复合材料表现出更加优异高温力学性能是由于HfC组分的添加抑制了SiC晶粒的生长,降低了基体内部较大裂纹产生的概率。在1 650℃空气环境下,含有HfC的基体对纤维具有更佳保护作用,主要是由于HfC组分的添加使材料表面的SiC及时氧化成SiO_2,SiO_2在纤维和基体表面形成包覆层,防止了材料内部的进一步氧化。     

卷积神经网络在风洞天平静态校准中的应用

风洞天平是气动试验中用于测量作用在模型上的空气动力载荷（力与力矩）的大小、方向和作用点的装置，测量结果的精准度与天平的静态校准性能直接相关，天平的静态校准是通过校测设备建立天平测量信号与所受气动载荷的映射关系。由于多分量风洞天平的各个分量间存在相互干扰，并且通常二次干扰和组合干扰会出现非线性特性，采用线性拟合方法会产生一定的误差，使得风洞天平静态校准性能因受到数据处理方法（线性拟合）的局限而较难进一步提高。因此，为了进一步提升应变天平静态校准的性能，本文探索深度学习方法在风洞天平静态校准中的应用。利用中国科学院力学研究所风洞天平校准系统AiBCS，对六分量应变天平开展基于卷积神经网络的静态校准研究，采用深度学习训练模型代替传统风洞天平校准公式并获取更高性能指标。同时，对人工智能建模方法在天平静态校准中的适用条件、有效性及可靠性等方面进行了讨论和评估分析。数据结果显示：相较于传统的基于最小二乘多项式的拟合方法，卷积神经网络天平校准方法有效降低了天平各个分量间的载荷干扰，使校准结果的精准度得到了较大幅度的提升。     

基于 MATLAB的交流电源频率调节环路仿真

在介绍某型恒频交流电源频率调节环路的组成和工作原理的基础上，分析了频率调节环路各组成部分的数学模型，建立了频率调节环路总的数学模型。文章重点讨论了某型发动机在中转速中负载状态下，改变滤波整形放大电路频率调节环路前向通道和反馈通道参数对系统动静态特性产生的影响。利用MATLAB仿真工具对系统进行了变参数仿真，得出了相应的仿真曲线，并对仿真结果进行了动静态特性分析。该仿真结果具有很好的应用价值。