航空公司机队设备可靠性非线性动态评估模型

 机队设备可靠性是实现航空公司"安全、正点和经济"目标的核心内容,对其进行评估是实现机队设备系统综合技术保障的重要手段。根据航空公司机队设备可靠性统计、数据采集和监控方式的关键技术与重要环节,应用物理-事理-人理 (WSR)思想和Delphi法,建立了机械原因使用困难报告(SDR)和非计划停场率等航空公司机队设备可靠性的5大指标体系。基于灰色聚类方法和反步(BP)神经网络的优缺点,结合机队设备可靠性的随机性和波动性,设计了航空公司机队设备可靠性非线性动力学评估模型。航空公司机队设备可靠性评估实例的分析表明:该可靠性非线性动态评估模型是可行的,能够实现动态和静态的评估。     

车床加工轴类零件径向孔的组合夹具设计

针对镗床加工某轴类零件径向孔系效率低、经济效益差的问题,设计了一套组合夹具,利用这套组合夹具在车床上加工该零件径向孔,解决了这些问题。     

运输类飞机安保事项

2002年和2008年美国联邦航空局(FAA)分别发布的联邦航空条例FAR25部第25-106和25-127修正案,对运输类飞机提出了全面的安保要求。介绍了运输类飞机安保要求的背景和演变历史,对安保要求进行了解析。最后针对安保发展趋势、在役飞机和在审型号设计及C919 飞机对安保要求的贯彻情况进行了总结。     

GPS和类GPS测距技术在双星编队星座状态确定中的联合应用

为提高状态确定的精度,借鉴AFF技术引入一种辅助手段——类似GPS的伪距和载波相位测距技术(简称类GPS测距技术)．它的伪码码元和载波相位波长比GPS的更短,因而可获得更高精度的相对测量信息．针对对地观测的双星编队星座的状态确定任务,建立了联合GPS和类GPS测距技术进行编队星座状态整体确定的数学模型,并快速同时解算出GPS星间单差模糊度和类GPS星内单差模糊度,最后进行了数学仿真．仿真结果表明,编队状态的精度有明显提高,其中相对位置精度为10~(-3)m,姿态角精度为10~(-4)rad．仿真证明该方法有效．     

基于航天器姿轨耦合模型的非线性前馈控制

对于航天器编队飞行和交会对接来说,精确的相对轨道和姿态模型尤其重要,而单独考虑相对轨道模型无法满足其高精度要求,因此从非线性相对轨道动力学方程和修正罗德里格斯参数(MRPs)表示的姿态运动学方程出发,建立了六自由度的相对动力学方程。在模型建立过程中考虑了耦合和非线性因素,保证了模型的精度。针对耦合非线性动力学方程设计了非线性前馈控制律,并通过李雅普诺夫直接法证明闭环系统的全局渐近稳定性。数值仿真算例验证了建立模型和控制律的有效性。     

基于改进核聚类算法的空间目标识别方法

根据目标区域的矩特征,几何特征以及灰度特征,提取出目标的特征向量,并通过聚类算法对空间目标进行识别,提出了一种基于Voronoi距离的核聚类算法（KFCM）。该算法通过引入一种新的距离度量,使得隶属度函数更加的明晰,改善了核聚类算法极易陷入最小值的问题。运用改进的核聚类算法对3类空间目标进行识别,试验结果验证了算法的正确性和有效性。     

复杂盘饼类锻件等温精密成型工艺

以复杂盘饼类铝合金锻件为例,采用试验和有限元数值模拟相结合的方法研究了该类锻件等温精密模锻的成型工艺和变形规律,结果表明:模锻后期型腔内剩余金属过多和金属沿径向流动过快是复杂盘饼类锻件产生折叠和流线紊乱的主要原因;模锻时发生强烈的剪切变形会引起粗晶缺陷;预锻制坯工艺不合理是终锻件出现流线露头缺陷的主要原因.     

成套设计理念在枞树型拉刀设计中的应用

拉刀设计中，拉刀前后角、齿升量、齿距、拉刀结构、拉削余量的去除方式及拉刀材料等的选取对被拉零件的精度和表面质量有直接的影响。针对诸多问题，通过成套设计在枞树型拉刀设计上的应用，从源头上解决了拉刀制造、拉刀配套、拉削效率低下等问题，提高了发动机盘类榫槽和叶片榫头的拉削效率和质量。     

基于群决策的作战方案优选模型研究

针对作战方案优选中存在的决策者权重信息、各属性权重信息以及方案属性值信息均不完全的问题,采用聚类分析法建立了决策者权重计算模型,并在此基础上采用双基点法建立了基于群决策技术的作战方案优选决策模型。     

无人飞行器三维类脑SLAM自主导航方法

随着动物大脑中导航细胞的发现以及人工智能的快速发展,受动物启发的类脑SLAM自主导航方法为突破现有导航方式的瓶颈提供了新的思路。本文针对无人飞行器类脑SLAM自主导航技术的研究进展进行了综述, 包括：1）论述无人飞行器SLAM技术研究现状;2）在二维SLAM导航技术的基础上介绍了三维空间以及单一环境下的类脑SLAM自主导航方案;3）分析了二维及三维类脑SLAM自主导航方案的关键技术;4）最后对现有三维导航方案进行分析验证并指出目前类脑SLAM在无人飞行器上应用时亟需解决的问题。类脑SLAM技术不依赖于高精度传感器、对环境适应性强、自主智能性高,更加适用于无人飞行器复杂动态的飞行环境。