1Cr11Ni2W2MoV钢航空发动机叶片的热加工工艺与力学性能

探讨了航空工业用１Ｃｒ１１Ｎｉ２Ｗ２ＭｏＶ钢叶片热加工工艺与力学性能的关系，工艺试验结果表明，该钢的力学性能主要与锻造变形程度、尺寸效应，回火脆性和δ－Ｆｅ组织等因素有关。     

太阳能电池板输出功率智能控制装置设计

论文给出了一种太阳能电池板最大输出功率控制装置设计方法,其系统由太阳能电池板、检测电路、DC-DC变换器、控制器、直流负载等部分组成。该装置通过实时采样太阳能电池板输出功率,计算并调整DC-DC变换器占空比,改变负载吸收功率,使太阳能电池板始终输出最大功率,实现太阳能的有效利用。该系统具有性价比高、设计维护方便、工作稳定可靠的优点。     

民用飞机典型腐蚀环境区域的聚类及差异性研究

收集百余架某系列民航飞机近十年的腐蚀损伤数据,及其过夜停放的16个基地机场的气象环境指标数据,利用动态聚类分析方法,对基地机场的腐蚀环境区域进行了划分,得到对该系列飞机的腐蚀行为影响规律具有相似性的4类腐蚀环境区域。其次应用方差分析方法,对在不同类型机场环境区域的腐蚀频率进行了差异性研究。结果表明,不同机场环境区域的飞机结构腐蚀频率有显著的差异。研究成果对编制民用机场环境谱和进行腐蚀加速试验选取参数有重要的参考价值。     

飞机蒙皮修理补片对气动特性的影响分析

利用欧拉方程计算了飞机机翼特殊部位蒙皮受损修补后,修理补片对气动特性的影响,并进行了粘性修正,从而为优化飞机蒙皮的实际修理工作提供了参考指标,具有较大的实际意义。     

基于扫描面的汽车覆盖件工艺补充设计

工艺补充面与压料面是覆盖件模具冲压成形的重要技术。大量试验及CAE仿真结果已经充分证明:补偿面和压料面的形状和形态对板材的成形性影响很大。在以往的覆盖件模具设计过程中,用户都是凭借设计经验,在三维CAD软件中手工地构造和生成这种补充面与压料面,其设计效率很低。针对曲面生成的难点,提出了基于B 样条扫描曲面的工艺补充设计方法,论述了扫描曲面的生成原理及实现方法。根据覆盖件成形特点,给出了基于扫描面的工艺补充和压料面生成算法。并结合实例编制了相应的程序,论证了其可行性。与在有限元网格意义下的生成方法比较,最大的优点是:提出的生成方法可以直接用于进行数控加工,同时,许多自动化和自适应的设计过程又能够明显提高设计效率。     

飞机驾驶舱舒适性参数可视化技术

为提高飞机驾驶舱人机工效水平,缩短设计过程,以舒适性设计为例,采用遗传算法进行飞行员人体姿势预测。将关节空间坐标作为变量,并以确定性约束减少变量的数量,提高算法求解速度与精度;运用Jack软件对姿势预测结果进行检测,证明了算法的有效性。通过快速上肢评估算法对所得姿势进行评估,获得舒适性参数,最后以不同等级RGB值对舒适性参数进行可视化表示。     

民机驾驶舱门卸压方式选择探讨

民用飞机在高空高速飞行过程中,若驾驶舱风挡玻璃出现孔洞,则驾驶舱门内压力急剧下降,此时驾驶舱和客舱压差迅速增大,必须通过快速卸压以平衡驾驶舱和客舱压力。如卸压不及时将会对机组人员身体造成严重伤害,同时对驾驶舱地板和结构等造成严重破坏。严重时将危及飞行员生命,使整个飞机失去控制,且有坠机发生。因此驾驶舱内必须设计有快速卸压装置。民机通常将卸压板设计在驾驶舱门上,目前有机械式卸压和电子卸压两种卸压方式,对这两种卸压方式进行了介绍分析。     

汽车覆盖件冲压工艺方案优化设计评价模型研究

通过总结汽车覆盖件冲压工艺设计知识,吸取本领域专家的经验,分析了对冲压工艺方案的制定有影响的多种因素,提出了覆盖件冲压工艺方案评价指标的相对定量计算方法,建立了冲压工艺方案综合决策评价数学模型,在此基础上,实现了工艺方案总体评价量化模型。应用实例表明,该模型可以解决汽车覆盖件自适应工艺方案设计的优化问题。     

飞机点目标的红外双波段目标识别技术

随着战场环境的日益复杂化,不断发展的隐身与诱饵技术对目标识别技术提出了更高的要求。多通道数据融合技术与红外探测技术在不同方面显示出突出优点,成为目前目标识别领域的主要研究方向。本文综合双通道数据融合技术与红外探测技术,设计了红外双波段目标识别过程,并结合飞机点目标的识别过程进行了说明。     

基于孪生网络的自监督太阳能电池板裂纹检测方法

太阳能电池板的裂纹缺陷检测能够避免电能转换效率低,以及短路造成起火的损失。针对现存对比学习方法中存在 细微裂纹漏检导致检测精度低,并且严重依赖构建负样本等问题,提出了一种基于孪生网络的两阶段自监督裂纹检测方法。 第1阶段提出了一种基于卷积神经网络 (convolutional neural network,CNN)和 Transformer 的预训练编码器模型,通过孪生 网络架构学习样本的精细特征表示,提高对电池板细微裂纹的特征表示能力;第2阶段基于预训练模型在少量标注样本下学 习分类器以区分缺陷样本。为进一步区分不影响电池板功能的纵向裂纹,另增加了一个分类头进行判别。在 ELPV 数据集 上的实验结果表明,方法在测试准确度方面优于其他相关检测方法,在只对数据进行少量标注的情况下准确度达到83.26%, 单张检测时间为6.1 ms, 同时在裂纹图像中检出纵向裂纹的召回率也有76.7%。