自适应控制方法的直接命中目标本体的平行接近制导律

本文在最少量测条件下采用视线角速度ｑ趋于零的指标函数和低阶等效辨识模型与快速自适应控制方法实现了战术导弹的平行接近制导律。这种最优制导律可以实现直接命中目标本体，实现一弹多用，可以用于反导弹的控制。能使制导装置简化并使其尺寸和重量减小，算法简单易于工程使用。经过大量数学和半实物仿真试验表明，上述成果可应用于实际工程当中。     

航空发动机主轴滚动轴承的技术进展

简述航空发动机主轴滚动轴承的国内外发展概况,指出需要解决与发展的一些设计分析技术,提出以高DN值(2.5～3)×106主轴轴承为预研重点.     

超长大直径钻孔灌注桩桩端承载力研究

阐述了超长大直径钻孔灌注桩桩端承载力的影响因素,包括施工工艺、深度效应和尺寸效应等。分析和对比了目前国内常用的各规范所采用的计算方法。文中算例的计算结果表明,对于同等条件的桩,各规范的计算结果相差较大。采用自平衡试桩法获得了几个重大工程的超长大直径钻孔灌注桩的桩端承载力的实测值。将工程实例的测试结果与各规范的计算结果进行对比,证实了目前规范的计算方法不尽合理。目前各规范中桩端承载力的计算方法是在针对小直径的中短桩的研究基础上建立的。如今,大型桥梁工程中普遍采用超长大直径钻孔灌注桩的情况下,对其桩端承载力的计算应当进行相应的调整,使设计更为合理。     

基于在轨组装维护的多载荷协同观测卫星平台构型设计

针对高轨遥感卫星多载荷协同观测和一致测量应用需求,在前期总体技术方案研究的基础上,通过开展现有在轨组装航天器和高轨卫星公用平台的构型调研,提出了一种适用于多载荷协同观测需求的平台构型设计方案。平台利用CZ-5运载火箭发射并在轨展开,采用“网格式中心承力筒+板+桁架”式的总体构型,开展了主传力路径、贮箱承载结构、网格式中心承力筒等的细化设计工作,并进行了结构产品的初步设计,建立了平台结构整星的有限元模型。仿真分析表明:平台结构整星的各向一阶频率均能满足运载火箭的频率要求。基于标准化、通用化的平台接口设计,使其具备可扩展及可维修的能力,大大提升了平台鲁棒性。基于全网格筒的主承力设计,增强平台结构承载能力,并改善平台内部热环境。该设计方案可为基于在轨组装维护的高轨遥感大平台结构的设计提供有价值的参考。     

低含气率影响下圆柱动静压轴承特性分析

为研究低含气率条件下,温度和气泡含量对润滑油黏度的影响,采用涡轮油和氮气制备油气两相流,在不同温度下采集含气率和动力黏度,拟合得到两相流的黏度计算模型.针对带有深浅腔的圆柱动静压轴承,基于拟合的黏度模型,结合有限元法和有限差分法联立求解油膜Reynolds方程、能量方程及两相流等效密度模型,分析了不同偏心率下承载力、摩...     

负游隙对高速高温薄壁圆柱滚子轴承动态性能的影响分析

计算了圆柱滚子轴承径向游隙为负值时的等效径向预紧载荷,并考虑等效径向预紧载荷下的套圈弹性变形,通过求解包含套圈弹性变形接触变形等效径向预紧载荷的非线性方程组,得到负游隙圆柱滚子轴承内部的载荷分布情况,以及负径向游隙带来的套圈周向应力.以此分析了负游隙对轴承承载性能及疲劳寿命的影响.结果表明:负径向游隙能够有效降低轴承打滑率,但同时也会降低轴承疲劳寿命,因此在负游隙设计时需同时考虑打滑率和轴承寿命,选择恰当的负游隙.     

三轴气浮台转动惯量测试方法研究

提出了一种用于实测在多轴多体卫星全物理仿真中的三轴气浮台转动惯量的新方法,着重叙述其测试原理、步骤,并进行了单通道全物理仿真试验,试验结果分析表明,该方法误差较小,又无须增添专用测试设备,因而是气浮台试验中一种简单实用的转动惯量测试方法。此方法也可稍做推广即可应用于卫星在轨运行状态监测和在轨故障检测等几个研究方面。     

舰载机壁板剪切后屈曲承载能力预测与试验验证

舰载机着舰撞击对机翼盒段产生巨大的扭矩,蒙皮以剪切形式承受扭矩,这是机翼壁板的重要设计工况。为准确预测加筋壁板剪切后屈曲承载能力,采用MSC.NASTRAN软件MRIKS弧长法,将线性屈曲分析的一致模态缺陷位移作为扰动引入后屈曲分析。考虑材料和几何双重非线性,对整体加筋壁板剪切试验件的后屈曲破坏过程进行模拟、对承载能力进行预测。根据剪切试验结果,进行对比分析。结果表明：有限元模拟的加筋板初始屈曲发生在蒙皮上,长桁足够大的相对刚度使得长桁与蒙皮连接线上出现屈曲节点,随着载荷增大,加筋壁板整体"坍塌",与试验现象一致。有限元分析（FEA）得到的初始屈曲载荷与试验结果的误差为1.25%,预测的极限承载载荷与试验破坏载荷的误差为2.4%。表明引入缺陷后的MSC.NASTRAN弧长法非线性后屈曲计算能够准确预测加筋壁板剪切后屈曲承载能力,为加筋壁板剪切试验和强度设计提供了分析方法。     

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。      

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。