任意载荷作用下各向异性矩形薄板的弯曲解

常用的复合材料板多为各向异性板。为求解这种板的弯曲问题 ,利用复数形式的三角级数解和双正弦级数解来建立各异向性矩形薄板弯曲问题微分方程的一般解 ,可以求解任意载荷作用下各种边界的弯曲问题。以四边固支的正方形板为例进行了数值计算 ,其结果与文献比较是一致的。这种一般解析解法理论简单全面 ,便于实际应用     

数据基故障诊断算法更新问题研究

机内测试被广泛应用于故障诊断、装备健康管理与预测等领域。针对机内测试设备在设计和升级时遇到的分类器更新、样本数量不平衡、硬件条件限制问题,提出初步解决方案。利用基于密度的聚类和人工免疫方法处理原始数据;提出基于代表样本点的混合学习方法;利用支持向量机和仿真案例验证所提方法。结果表明所提方法能够解决上述问题,有助于基于数据的机内测试设备设计与升级。     

基于Multi-Agent技术的大型航天研发项目风险分析方法

大型航天研发项目对于社会经济发展和国防安全有着重要影响,是国家重大工程中一类较为特殊的项目,而风险分析是大型航天研发项目按计划、高质量、低成本完成的重要保障。通过分析大型航天研发项目的特点、风险因素以及管理过程,结合Multi-Agent以及分布式项目管理的理论和技术,研究和提出了一种新的基于Multi-Agent技术的大型航天研发项目风险分析方法,在此基础上针对具体项目进行了实验仿真,获取了项目的风险水平和关键风险因素,为航天研发项目风险管理与控制提供决策支持。     

涡轮泵故障检测的频段能量比SOM算法

为了解决缺少故障样本情况下的涡轮泵健康状态判别问题,分析了涡轮泵振动信号的频谱,提取了频段能量比作为其故障检测特征,并讨论了自组织映射的竞争学习原理及聚类结果的U-矩阵表示,提出了一种基于频段能量比的自组织映射故障检测算法,并实现了该算法最佳匹配神经元的选择和权重向量的自适应更新。通过某型液体火箭发动机历史试车数据的验证,结果表明,健康涡轮泵数据利用该算法聚类时仅存在一个类别,相邻神经元距离小于0.1;反之,故障涡轮泵数据利用该算法聚类时明显存在两个或多个类别,且相邻神经元的最大距离大于0.1。因此,基于频段能量比的SOM算法能有效地判别涡轮泵的健康状况。     

混沌随机频率步进信号分析与处理

混沌具有类随机性、对初值敏感、易于产生和控制,频率步进信号易于工程实现和处理,结合二者的优势,提出一种基于混沌序列的随机频率步进雷达信号。介绍了信号产生模型,从理论上推导、分析了该信号的模糊函数和互相关函数性能,给出了信号直接相关和先排序存储、后匹配滤波两种回波处理方法。应用四种典型混沌进行数值仿真,并和已有的线性频率步进信号、高斯和均匀随机频率步进信号进行对比分析。结果表明,混沌随机频率步进信号具有较优良的性能,是一种有潜力的雷达信号。     

高焓CO2气流壁面两步催化机制对非平衡气动加热影响的数值模拟

针对高超声速火星进入飞行遇到的壁面CO_2催化机制特殊且对气动加热影响复杂的问题,基于化学反应系统的三维可压缩流动求解器,建立壁面吸附、Eley-Rideal结合速率受控的壁面CO_2两步催化模型。基于70°球锥布局的高焓风洞实验,进行考虑壁面催化效应的高超声速非平衡气动加热数值模拟,开展考虑CO+O_((s))和O+CO_((s))两类CO_2两步催化路径对非平衡气动加热的影响研究。研究表明,壁面O_2和CO_2结合并存且存在相互竞争关系,催化加热量随催化效率增大而单调增加。数值计算建立了催化路径与非平衡加热水平的定量关联,研究发现CO_2两类催化路径权重与加热量存在非单调关联,特定权重下两种路径联合作用的热流高于单个催化结果。相关研究对碳氧气体主导的壁面催化机理和火星进入气动加热的精细化预测有重要的理论指导意义。     

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。     

一种基于滑模变结构观测器的故障检测方法

提出一种基于滑模变结构观测器的残差生成及故障检测方法.利用滑模变结构所具有的对未知输入扰动的不变性,移除外界扰动对残差的影响,使残差只对故障信号敏感,从而提高故障检测的准确性,较好地解决基于状态估计的故障检测方法中检测鲁棒性与灵敏度之间的矛盾.仿真验证结果表明了该故障检测方法有较高的检测鲁棒性,同时对小幅值故障较为灵敏.     

Rational Rose在HLA联邦开发中的应用

作为“建模与仿真”(M&S)的高层体系结构 ,HLA能带给用户的好处将是巨大的。HLA联邦开发与运行过程 (FEDEP)的自动化是促进HLA应用的关键。文中研究了将功能强大的CASE工具RationalRose用于支持FEDEP自动化的可行性 ,指出了应用中应特别注意的问题 ,重点说明了应用中的关键技术 ,并给出一应用实例     

机械故障特征与分类器的联合优化

在机械故障诊断中,特征选择和分类器的参数优化都可以提高诊断精度。利用特征和分类器参数的依赖关系,提出了特征选择和SVM参数的联合优化方法来提高诊断性能。联合优化方法采用支持向量机(SVM)作为故障分类器,SVM半径—间距上界(RM界)为目标计算诊断精度,并应用遗传算法求解此优化问题。齿轮故障诊断试验结果表明,联合优化的诊断精度要优于单独优化特征和SVM参数,而且优化速度更快。因此在故障诊断中,利用特征和分类器参数联合优化能够快速取得较好的诊断精度。