任意运动变形边界流场测量PIV算法的研究：薄膜涡激振动

提出了一种精确测量任意运动变形边界流场的粒子图像速度场PIV算法,能智能识别强流固耦合问题流场测量中任意运动变形的边界信息,然后生成贴体自适应的图像互相关计算窗口,计算获取运动变形边界附近的速度场数据。这一算法可大大提高任意运动边界附近流场的测量精度,为流固耦合问题的理论分析和数值计算验证提供可靠的高质量实验数据。针对数字合成给定流场的粒子图像序列,采用所发展的PIV算法对粒子图像区域中的运动变形边界进行了精确识别,高质量地复现了原始流场信息。最后,对低速闭式循环水洞中的钝体尾流柔性薄膜涡激振动现象进行了PIV实验测量,获得了柔性薄膜大变形运动状态下的瞬态流场特征。     

基于神经网络的自适应非线性控制及仿真研究

研究了神经网络非线性动态系统的自适应控制方法,首先利用改进的非线性自回归滑动平均模型,采用多层前向神经网络辨识非线性系统模型,然后直接由辨识结果设计出控制器,并根据控制误差对控制律作在线修正.利用导弹模型进行了控制仿真,仿真结果表明采用此方法可以得到较好的控制效果,而且在模型不确定和有噪声干扰的情况下仍能正常跟踪给定的迎角信号,具有较好的鲁棒性.      

利用动态时间槽分配的多目标防冲突射频识别

对于总数未知的多目标射频识别问题,提出了基于智能标签的具有防冲突功能的多目标射频识别技术方案及其系统框架;改进了ISO/IEC15693标准中的冲突解决方案,采用地址访问策略的自匹配模式,动态调整时间槽的分配,以解决通讯冲突并逼近目标数目;分析了系统实现的软硬件参数的优化选择方法,给出了多目标防冲突识别的实现过程,并将其应用于某图书馆智能管理系统.实验结果表明该技术可以提高智能标签防冲突识别的效率和准确性,能够满足该领域实际需求,具有良好的实用推广价值.     

煤基高能煤油点火及燃烧性能研究

为研究煤基高能煤油的点火及燃烧性能,开展了气氧煤油姿控发动机热试车,研究了煤基高能煤油发动机真空比冲性能、脉冲工作性能和响应特性.结果显示:煤基高能煤油发动机点火可靠、燃烧稳定,脉冲工作性能和启动/关机响应特性均满足工程应用要求,真空比冲性能相比火箭煤油基础油发动机提高了约7s.     

超高速撞击条件下铝合金材料参数识别方法

在超高速撞击过程中,金属材料在大变形、高应变率条件下的材料参数获取是一个研究难点.在确定Steinberg本构模型和Gruneisen状态方程前提下,结合已有的物理试验结果,采用SPH(Smooth Particle Hydrodynamic)算法实现超高速撞击问题的数值模拟,定义优化目标为物理试验结果和仿真结果之间的相对误差值,利用连续响应面法SRSM(Successive Response Surface Method)对铝合金6061的Steinberg本构模型中的4个关键参数进行优化识别计算.经过识别的材料参数与物理试验的结果近似程度更好,证明了这种方法的正确性和可靠性.      

运行模态分析的频域空间域分解法及其应用

提出了一种基于频域空间域分解(Frequency and Spatial Domain Decomposition, FSDD)的运行模态分析方法。该法将同时具有输入和输出的试验模态分析的经典方法——复模态指示因子(Complex Mode Indicator Function, CMIF)法拓展到了仅有输出响应的运行状态模态分析。FSDD法采用奇异值分解将信号空间和噪声空间分离开来,把奇异值曲线作为模态指示的依据,以奇异值向量作为加权函数得到每一阶模态的增强功率谱(Power Spectrum Density, PSD),进而在频域内对增强PSD曲线进行最小二乘拟合以得到准确的模态频率和阻尼参数。采用了一个二层楼仿真算例和在欧洲广为人知的瑞士Z24公路大桥实测算例来验证FSDD算法。     

一种快速的星敏感器星跟踪方法研究

阐述了星敏感器中星跟踪方法的重要性,指出了目前国内外星跟踪方法的不足。针对这些不足,提出了一种全新的、快速的星跟踪方法。新的跟踪方法采用现场可编程门阵列(FPGA)实现了实时的星点定位;正是由于这种技术的采用,加快了星点位置信息的获取,摈弃了跟踪窗的跟踪方法,采用简单的匹配识别的跟踪方法;对于新星的识别,由于有初始姿态而采用匹配组的识别方法。最后给出了星跟踪过程的实验结果。     

基于灰色聚类的磨粒自动识别

 将灰色系统理论中的聚类分析技术用于磨损颗粒的自动识别, 编制了相应的计算机模拟程序。在对磨粒图象的形态特征参数进行敏感性分析的基础上, 确定了各参数的灰类白化权函数, 并结合磨粒识别的试验研究, 给出了磨粒各特征参数的聚类权值。应用此方法对一组标准磨粒进行了模拟识别, 识别正确率在90% 以上, 并且识别速度很快, 大大优于传统的磨粒识别方法。     

低电阻率SiC纤维先驱体聚碳硅烷的制备与表征

由聚二甲基硅烷（PDMS）与3％－7％（质量分数）聚氯乙烯（PVC）共热解反应生成的聚碳硅烷（PC—P），是制备力学性能优良的低电阻率SiC纤维的先驱体。研究了PC-P先驱体的合成条件，利用GPC、IR、XPS、元素分析等手段对PC—P的组成与结构进行了分析。结果表明，PC—P先驱体的最佳合成条件为450℃保温6h-8h，熔点为180℃—230℃，数均分子量为1350-1800，分子量分散系数为2.0左右；PC—P含有Si、C、H、O元素，其C含量高于由PDMS制备的先驱体PCS，而Si含量低于PCS；结构与PCS相似，但Si-H键含量低于PCS中Si-H键含量。     

前向神经网络快速学习算法在发动机模型辨识中的应用

介绍一种采用前向神经网络辨识发动机非线性模型的快速学习方法,与现有同类方法相比,该方法采用矩阵的QR分解求解线性方程组,解决了维数过高的矩阵直接求逆带来的解失真问题,并把这种方法应用于航空发动机的非线性模型辨识。算例仿真验证了算法的可行性。