基于等效板的含离散源损伤机翼结构分析

研究离散源损伤对机翼结构的影响,可以大幅度提高飞机在不良损伤事故下的生存能力.由于机翼内部结构复杂,很难对含离散源损伤机翼结构进行精确分析,而且精确的建模和仿真在建模与计算过程中往往也非常耗时.因此,以含离散源损伤机翼为对象,采用有限元优化设计方法,确立了一种机翼结构等效板模型的建模方法.建立的等效板模型可对含离散源损伤机翼实现快速、准确的静力学和动力学分析.     

长板件数控加工技术的探索与研究

结合某型机板件在数控加工中的研制生产状况和存在的问题,论述了实现各种长板件类结构零件装夹定位、刀具及其参数、加工方案及程编策略.通过这些技术措施的实施,在一定程度上解决了在加工长板类零件装夹和定位时出现的零件变形、让刀效率低、质量不稳定等问题.     

螺旋相位板生成涡旋电磁波仿真研究

涡旋电磁波的产生方式有多种,使用涡旋相位板即为其中重要的一种方式。该文对螺旋相位板产生涡旋电磁波的情况进行了仿真.通过仿真。给出了在喇叭天线口面上覆盖螺旋相位板时生成的涡旋电磁波的幅度相位分布。     

磁强计数据辨识卫星自旋状态

针对近地低轨三轴稳定卫星在轨管理后期,除磁强计外其他姿态敏感器都无效情况下的姿态异常问题,分析了三轴稳定卫星失去姿态基准后,星体自旋状态下三轴磁强计测量数据的特点,提出了使用磁强计测量数据的矢量信息,以找到能够获取卫星状态的方法,从而建立了磁强计测量矢量与卫星自旋轴的几何关系,给出了处于自旋状态下的卫星自旋轴确定方法。通过此种辨识方法,获得了某气象卫星姿态异常翻转状态下的自旋矢量方向和自旋角速度,从而证明了该辨识方法快速、有效,可以作为姿态异常卫星自旋状态的辨识手段,为恢复卫星姿态提供了重要信息,具有一定的工程应用价值。     

智能加工技术在切削颤振在线抑制中的应用

具有薄壁结构的关键航空零部件在切削过程中不可避免发生颤振现象。为提高工件表面质量,在加工过程中对颤振进行准确识别和有效控制已成为该领域的主要研究方向。而对于颤振在线辨识和抑制功能的实现,必须开发集成先进传感器和智能控制算法的智能数控系统,并保证系统中各功能模块线程协调运行。因此,在航空薄壁件的精密加工过程中,利用智能加工技术对切削颤振进行实时辨识和在线抑制将成为未来数控加工技术的发展趋势。     

Nonlinear dynamic modeling of a helicopter planetary gear train for carrier plate crack fault diagnosis

Planetary gear train plays a significant role in a helicopter operation and its health is of great importance for the flight safety of the helicopter. This paper investigates the effects of a planet carrier plate crack on the dynamic characteristics of a planetary gear train, and thus finds an effec-tive method to diagnose crack fault. A dynamic model is developed to analyze the torsional vibra-tion of a planetary gear train with a cracked planet carrier plate. The model takes into consideration nonlinear factors such as the time-varying meshing stiffness, gear backlash and viscous damping. Investigation of the deformation of the cracked carrier plate under static stress is performed in order to simulate the dynamic effects of the planet carrier crack on the angular displacement of car-rier posts. Validation shows good accuracy of the developed dynamic model in predicting dynamic characteristics of a planetary gear train. Fault features extracted from predictions of the model reveal the correspondence between vibration characteristic and the conditions (length and position) of a planet carrier crack clearly.     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

钢板内部缺陷失效分析

采用120 mm厚的45#钢轧制板材经粗加工后进行调质处理,热处理后超声探伤发现钢板厚度方向中部存在缺陷。通过失效分析认为,钢板内部的缺陷为沿变形方向分布的带状组织,部分带状组织中存在沿晶裂纹。形成带状组织及裂纹的机理是原材料钢锭浇铸过程中心部形成枝晶偏析,轧制过程中偏析区被拉长因而形成偏析条带,条带区因富含Mn、S、P等元素形成硬度较高的马氏体组织,调质热处理过程中在组织应力及热应力作用下马氏体条带组织区域发生沿晶脆性开裂。