摘要：以某型飞机前起落架为研究对象,进行高低温环境下起落架落震性能试验研究。为了模拟落震试验所需的极端高温和低温环境,设计研制了极端环境模拟装置,利用其对全尺寸起落架进行加热/降温。在不同环境温度下开展了起落架高低温落震试验,对比研究了高温和低温环境对起落架落震性能的影响。结果表明:随着环境温度自-55℃升至70℃,起落架缓冲系统的空气弹簧刚度逐渐变大;低温环境对该型起落架缓冲器内部的油液阻尼力影响较明显,而且极端的低温环境会导致起落架缓冲支柱摩擦力增大,压缩行程缩短;高温环境主要影响缓冲器内部的空气弹簧刚度,温度越高,空气弹簧刚度越大,支柱不易被压缩。

摘要：为了在高超声速飞行器结构热试验中准确模拟真实服役热环境,用快速时变热耦合控制方法对复杂石墨阵列进行控制.采用热耦合控制方法将瞬态热损失与瞬态黑体辐射量代入控制方程,实时获取试验件的真实热响应状态;研究了结构热试验热载荷典型历程及石墨阵列控制响应特性,设计了基于结构热试验的专家PID控制策略,给出了复杂石墨阵列全历程分段控制参数;研究了石墨阵列的电特性,设计了时变限伏控制策略,提高了石墨阵列的可靠性;设计了一种多温区耦合补偿控制方法,减小了温区间的耦合干扰.结果表明:试验得到的温度曲线与理论计算曲线在快速升温段的最大误差为4.8%,平稳段的最大误差为1.4%,下降段的最大误差为2.3%;有效减小了控制系统的超调量,提高了系统响应速度;使用快速时变热耦合控制方法在某试验中对复杂石墨阵列进行控制,控制误差小于1.2%.

摘要：由于导波损伤诊断方法在碳纤维增强复合材料(carbon fiber reinforced polymer,简称CFRP)损伤监测领域的结构不确定性和专家经验缺乏,提出了一种基于能量图谱和孪生卷积神经网络(convolutional neural networks,简称CNN)的导波损伤识别和定位方法。以导波监测网络的能量图谱作为模型的学习样本,消除样本标签质量对专家水平的严重依赖,同时为深度学习模型提供丰富的有效信息。设计了权值共享的孪生网络以避免模型参数过多导致的过拟合现象,并利用CNN和长短记忆网络自动挖掘导波信号的高层特征。此外,对深度学习模型提取的特征进行可视化分析并讨论其物理意义,为解释神经网络的工作原理提供基础。实验结果表明,该方法在考虑结构不确定性的情况下,损伤识别和损伤定位的准确率分别达到88%和85%,相较于基于专家经验的传统方法优势明显。

摘要：光滑连续变弯度机翼前缘具有降低噪声和提升气动效率的优势.该文在二维翼型柔性蒙皮设计方法的基础上,提出了一种面向后掠机翼变弯度前缘柔性蒙皮的设计方法,其主要改进在于沿翼展方向对多个翼型进行同步优化、对目标函数进行修正从而解决了畸形变形问题,对现有带精英策略非支配排序遗传算法(NSGA⁃Ⅱ)进行修改以适应三维蒙皮的多目标优化求解.研究表明,与现有设计方法相比,该方法可使柔性蒙皮的变形精度提高27%,实现其在下垂状态下的高精度外形.

摘要：针对基于导波的结构健康监测(structural health monitoring,简称SHM)中急需解决的环境载荷影响问题,开展碳纤维复合材料板结构与加筋结构载荷影响实验,研究了载荷对导波的影响规律。在此基础上,提出了一种基于深度学习神经网络的载荷补偿方法,该方法通过建立补偿标准,对网络结构及网络参数进行设计,有效减少了参考信号存储,实现了大范围载荷补偿。通过实验数据验证了该方法的有效性,结果表明,在补偿范围0~90 MPa内,补偿精度达到-20 dB。将补偿方法结合损伤成像方法应用在碳纤维复合材料板结构的损伤监测,结果表明,补偿前无法实现损伤定位,补偿后损伤定位误差≤0.9 cm,有效提高了载荷影响下的损伤诊断可靠性。

摘要：介绍了C919大型客机全机静力试验的目的及任务需求,分析了试验特点和难点。从试验飞机支持、试验加载及控制、试验测量及监控、损伤检测及状态监测等方面制定了总体技术实现方案,验证结果表明试验系统可靠,技术实现方案满足任务要求。试验中采用了多项创新技术:试验综合加载平台设计技术优化了多系统集成,加快了试验准备速度,降低了试验准备风险;约束点误差转移控制技术将约束部位误差转移至非重点考核部位,提高了关键考核区域试验精度;机身双层地板双向加载技术优化了机身加载及扣重设计,改善了局部载荷的加载精度。技术成果为后续型号试验提供了较高参考价值。

摘要：机翼结构需要同时满足强度、刚度、气弹和设备安装等要求,布置多个外挂设备的机翼结构设计约束更加复杂,传统方法难以得到最优方案。本文提出了通过约束机翼剖面弯曲刚度和扭转刚度来控制气动弹性的方法,研究了稳定性和位移敏度计算理论,结合工程准则法和数学规划法,搭建了适用于复杂布局机翼结构的多约束优化流程,以国产结构分析软件HAJIF为平台进行了程序实现,并结合工程机翼案例进行了方法验证。优化结果表明,本文方法能够以静力分析模型为基础,同时考虑强度、刚度和稳定性等多种约束形式,在有限计算机时内给出最优设计方案,具有一定的工程应用价值。

摘要：复合材料加筋壁板在结构轻量化设计中,由于材料组分、几何尺寸具有不确定性,导致了壁板结构在服役条件下承载特性的不确定性。针对上述问题,提出了一种考虑参数不确定性的复合材料加筋壁板后屈曲模型验证方法。首先基于正交试验设计方法进行了不确定性参数的显著性分析,然后采用Kriging模型构建了能够表征后屈曲特性的代理模型,利用蒙特卡洛随机模拟获得加筋壁板后屈曲载荷概率分布,最后通过壁板结构在典型承载条件下的力学实验数据验证了分析模型的准确性。该分析方法对于壁板件在实际工程中的应用具有一定指导意义。

摘要：计算机视觉的裂纹自动识别算法在飞机结构疲劳试验中具有较好的工程应用前景,但由于飞机结构构型多样及疲劳试验环境复杂,传统方法的裂纹识别准确率难以满足要求。针对此问题,设计了一种基于关键结构定位的检测策略,并以目标分割算法掩码-区域卷积神经网络(Mask-regionconvolutionalneuralnetwork,简称Mask-RCNN)为基础对模型架构和非极大值抑制模块进行了适应性改进,提出了一种裂纹自动识别方法。该方法具有主动避开干扰因素、对图片质量要求较低的特点,同时利用Mask-RCNN将像素信息引入参数优化的特性,具备更高的识别准确率。在元件疲劳试验中,该方法对铆钉、裂纹的识别准确率分别为100%和87.5%,相较于现有方法优势显著。

摘要：针对目前飞机结构疲劳试验损伤检测中计算机视觉识别模型面临的主要问题是如何从同为毫米级的表面纹理、划痕、污迹中识别出疲劳裂纹,提出了基于双向融合网络(bidirectional fusion network,简称BF-Net)和孪生分差的飞机结构裂纹检测方法。首先,采用分级检测策略,提取出可能出现裂纹的重点区域;其次,设计面向微小目标识别的BF-Net,通过自上而下和自下而上的特征融合操作从区域图像中自动获取高质量的裂纹特征信息;最后,采用孪生分差法,基于重点区域的自身特征信息以及与模板间的特征差异信息来综合判别裂纹。试验结果表明,该方法能够实现对微小裂纹的精确检测,为飞机结构疲劳试验中裂纹的自动化检测提供了有效的技术途径。