飞机柔性工装中三坐标定位器的定位精度直接影响飞机大部件间的装配精度。提出了一种分层误差补偿模型以提高其定位精度,首先对定位器堆栈式结构和导轨间相关性进行分析,改进各轴运动方向上的角误差,提高整体线性误差补偿精度;然后采用遗传算法优化的神经网络对线性补偿后误差较大的位置点进行非线性误差补偿;最后将线性模型和非线性模型结合,提出了分层误差补偿模型,并进行了传统误差补偿模型和分层误差补偿模型的对比实验。实验结果表明,分层误差补偿模型与传统误差补偿模型相比,空间误差补偿效果最大可提高58.09%、均值可提高46.92%,有效地改善了误差补偿效果,提高了飞机数字化装配的精度。

光机身对直升机气动特性影响比较大,准确地获得光机身的气动特性数据对直升机的内部系统布置与减阻设计具有重要作用。首先对三种不同类型的直升机光机身的气动特性进行CFD计算,之后分别采用增量法和比例法分析了计算结果与风洞试验结果之间的相关性。结果表明,光机身气动特性的CFD计算值与风洞试验结果的变化趋势一致。当攻角或侧滑角变化时,两者的差值变化比较大;但是在大部分攻角或侧滑角范围内,两者的比值在某个固定值附近。研究结果可为直升机光机身气动特性计算方法选取和计算结果修正提供一定的参考。

由于风洞试验条件限制,难以完全模拟火星再入飞行器真实飞行环境,因此需要建立火星再入飞行器风洞条件与真实飞行之间的关联关系。基于国外文献公开数据,采用数值方法和对比分析方法探讨了类"探路者号"外形的火星再入飞行器的风洞试验与真实飞行之间的外推方法。结果表明,在高焓空气风洞和常规空气风洞试验条件下,可以将模型驻点附近的无量纲压力和压力系数作为相关性参数,将风洞条件与飞行条件相关联起来,但是不能直接利用风洞试验的热流、无量纲热流和Stanton数作为关联参数;在高焓CO2风洞试验条件下,可以利用模型驻点附近的无量纲压力、压力系数和Stanton数作为外推参数,但是不能直接将风洞试验的热流、无量纲热流作为相关性参数,将风洞条件下的风洞数据通过外推获取飞行条件下飞行器的性能参数。

讨论了基于相关性理论动态测量圆度误差的方法,可实现圆度误差的在线测量,为研制新型测量仪器提供了理论依据,同时采用误差分离技术提高了测量精度.

通过分析近场HRTF原函数与最小相位近似函数之间的相关性和相位误差，研究生理结构影响近场HRTF最小相位特性的空间规律。结果表明，近场HRTF最小相位特性整体较好，较差的区域主要是在受声耳异侧与前方之间的区域；最小相位特性随声源距离的变化没有大的差异，只是在局部有所不同。最后，对HRTF最小相位近似进行了心理声学实验，发现最小相位近似引起的相位误差在听觉上是不可辨别的。

以5种轿车典型运行工况下后排乘员耳旁噪声样本为评价对象,利用自适应分组成对比较法对车内噪声品质进行了偏好性主观评价试验。计算了各样本的主要心理声学参数,通过相关分析和线性多元回归分析,建立了以响度和尖锐度描述车内噪声品质偏好性结果的数学模型。通过各组间的关联样本将各组评价结果进行反演构建,得到的总体样本评价结果与传统成对比较法评价结果一致性好,且节省了50%的评价时间。

在图像相关位移测量方法中一般采用正方型子区搜索中心点的位移.当测量靠近裂纹或缺陷部位的位移时中心型子区失去效果,为了解决这一问题提出了非中心型子区的方法.证明了方法的有效性.认为在相关搜索时测量点既可选定在子区的中心位置,也可选定在非中心位置.进而提出了将测量点确定在子区角点的多种子区的方法.除通常的中心型子区外,至少还有4种子区可以采用,分别是右下角型、左下角型、右上角型和左上角型,这4种子区不但适用于表面裂纹或缺陷部位的位移测量,而且增加了图像有效信息的提取面积.

试验测试了锂渣等量取代10%、20%、30%水泥的C30、C40和C60三个强度等级的混凝土在不同冻融循环次数下的强度和气体渗透系数,研究了冻融循环作用下锂渣混凝土强度和气体渗透性之间的相关性。结果表明:冻融循环作用下,锂渣混凝土的气体渗透系数和抗压强度与试件的初始状态、变化速率以及冻融循环次数密切相关,其性能劣化的曲线可采用生长模型中Slogistic1函数进行拟合求解;由拟合结果分析可知,对于C30和C40混凝土来说,锂渣掺量在20%以下,能够改善混凝土的气体渗透性和抗压强度,但对于C60混凝土来说,锂渣掺量超过10%后性能下降较明显;冻融循环作用下,锂渣混凝土气体渗透性系数与抗压强度线性相关性良好。

采用表面测压方法研究了宽高比为10的矩形断面在不同风速、不同初始攻角、不同扭转振幅条件下的断面不同位置风压系数的均值、标准差、斜度和峰度及相关系数,分析了大幅扭转振动状态下非线性和非高斯自激力分布规律。研究结果表明:风压系数均值和标准差与初始攻角和振幅紧密相关,风速影响基本可以忽略;随着振幅的增大,气流分离增强,气流再附位置向下游移动;断面不同位置风压相关性随着振幅和风速的增大而增强;气动扭矩的高阶谐波成分主要是由于气流分离和再附引起,高阶谐波分量所占比重随着振幅的增大而增大。

运用BP神经网络（Back Propagation Network）的自学习以及非线性逼近能力,对双燃料发动机排气中CO、HC、NOx和碳烟的浓度进行拟合和预测。搭建神经网络模型,通过采集双燃料发动机排气浓度数据对神经网络模型进行训练和验证。当BP神经网络训练过程中样本和模型计算值的线性相关系数R大于0.9,且用于验证的数据和模型运算值误差在可忽略范围内,则所建的神经网络模型能够有效预测双燃料发动机的排气浓度。训练结果显示,CO、HC、NOx和碳烟浓度的模型计算值和实测值线性相关系数R都大于0.9,说明神经网络具有较强的拟合能力;验证结果显示,预测值和实测值的相对平均误差都小于10%,能够满足实际需求。结果表明,运用神经网络模型能够有效预测双燃料发动机的排放。