极化不敏感超材料的类电磁诱导透明特性研究

设计了一种由两个金属圆环构成的类电磁诱导透明超材料,该超材料具有极化不敏感的特性。利用CST Microwave Studio软件仿真得到了该超材料的电磁波透射曲线,在原本不透明的传输窗口得到了透射率为90%的传输峰,证明所设计的超材料具有类电磁诱导透明特性。研究了基板厚度、介电常数以及金属圆环宽度对该超材料传输特性的影响,并进一步研究了三圆环超材料的电磁特性。结果表明,该结构可以产生双透射峰的类电磁诱导透明现象,且对入射电磁波仍然具有极化不敏感特性。

近零膨胀Zr_(0.5)Hf_(0.5)V_(1.4)P_(0.6)O_(7)材料的制备及其性能研究

采用传统的固相法合成了近零膨胀氧化物功能陶瓷材料Zr_(0.5)Hf_(0.5)V_(1.4)P_(0.6)O_(7),用X射线衍射(XRD)、Raman光谱和热膨胀法对Zr_(0.5)Hf_(0.5)V_(1.4)P_(0.6)O_(7)的热膨胀系数、各向同性和相变进行了测试,通过Hf^(4+)/P^(5+)共掺杂使得材料具有较低的热膨胀系数,研究发现合成的Zr_(0.5)Hf_(0.5)V_(1.4)P_(0.6)O_(7)具有Pa 3立方相结构,从334 K附近到673 K较宽的温度范围内的线性热膨胀系数为-1.56×10^(-6) K^(-1),表现出稳定的近零热膨胀特性。由于固溶体内部微结构的影响造成膨胀仪实验结果与变温X射线衍射结果存在一定的差距。Zr_(0.5)Hf_(0.5)V_(1.4)P_(0.6)O_(7)具有的近零膨胀特性为通过负热膨胀材料合成膨胀系数可控的材料提供了基础。

基于AHP-BN的航空安全风险评估与诊断研究

鉴于影响航空安全的因素众多且大部分因素与工作中的人相关联,建立以SHELL模型为架构的航空安全影响因素分析模型,搭建航空安全风险评估指标体系。采用层次分析法计算各评估指标的重要度并筛选出重要指标,将重要指标作为节点建立基于贝叶斯网络的航空安全风险评估与诊断模型,分析出不同影响因素作用下航空不安全事件发生的概率。利用贝叶斯网络模型的诊断功能得到影响航空不安全事件发生的关键因素,并基于此提出预防措施,从而保证航空安全的持续性。

基于机理数据协同驱动的重型燃气轮机控制系统参数解析余度构建研究

针对重型燃气轮机控制系统传感器解析余度的构建问题,提出了一种机理数据协同驱动的控制系统参数解析余度构建方法。首先基于重型燃气轮机工作原理,建立参数的机理模型;然后引入网络架构搜索法得到最优前馈神经网络结构,通过前馈神经网络训练机理模型的误差,得到数据驱动模型,将其作为机理模型的补偿部分,补偿部分提高了参数解析的精度。仿真结果表明本文提出的参数解析方法的有效性,用该方法可获得精准的解析模型。

基于EMD和PSO-SVM的通用航空飞机燃油流量预测

提出了一种EMD与SVM的组合预测模型,对通用航空飞机燃油流量进行预测。首先对数据缺失值与异常值进行处理,应用经验模态分解算法对燃油流量数据进行分解,得到各分量IMF,然后采用支持向量机对每一个分量进行预测。在预测过程中,采用PSO算法对支持向量机的参数进行优化,最后叠加各分量得到预测数据。采用通航飞机实际飞行数据进行验证,结果表明该组合模型可以有效地预测燃油流量,准确率较高,其MSE可以达到0.254,高于传统的单一预测模型。

基于卷积神经网络的无人机结构故障诊断

针对无人机结构故障难以发现的问题,提出了基于振动信号与卷积神经网络的无人机结构故障诊断方法。分别在无人机正常状态下和故障状态下进行振动信号采集,搭建了含有三层卷积层和三层池化层的卷积神经网络,对采集的无人机振动数据信号进行故障分类,利用实验室无人机测试平台进行验证,该方法准确率能够达到97.5%,高于传统的机器学习方法,可以用于无人机结构故障诊断。

数字信号处理在线课程建设与效果

数字信号处理是一门工程性、理论性和实践性都很强的课程,所以数字信号处理教学主要是对学生进行工程应用教育,培养学生自学能力和实践能力,突出实践教学在数字信号处理教学中的重要地位。针对目前数字信号处理课程教学中存在的问题,文章从改进教学方法、建立课程网站、开展在线学习等方面进行了有益的探索与实践。课程建设效果证明,在线课程能进一步激发学生学习的主动性和积极性,提高学生灵活运用知识的能力。