基于CATIA的固体火箭发动机系统中的三维参数化设计

为了提高固体火箭发动机系统的动态交互能力,方便用户直观地了解固体火箭发动机的内部结构,结合CATIA强大的三维建模能力,完成了该系统中最重要的三维参数化设计;以VC++为编程环境,运用CATIA自动化对象编程(V5 Automation)提供的二次开发接口,实现了固体火箭发动机系统中的三维绘图模块,同时介绍了两种在VC框架内动态显示CATIA三维模型的方法;实践证明,该系统能够快速的确定固体火箭发动机外形尺寸、标志量等设计参数,为固体火箭发动机的初步设计提供有效的帮助。     

基于CATIA的固体火箭发动机系统设计

发动机图形绘制与性能计算是火箭设计的关键步骤,通过对固体火箭发动机设计过程的分析,提出CATIA参数化图形绘制技术;以单孔管状装药发动机为例,建立了发动机燃烧室与喷管模型,在VC环境下利用CATIA Automation二次开发技术实现了燃烧室与喷管参数化设计,完成了两者装配与动态显示;利用Matcom实现内弹道压力时间曲线计算,发射段轨道分析;最后完成系统软件编制;实际使用情况表明,使用该软件可快速构造发动机,进行全面的性能分析,为固体火箭发动机方案论证与初步设计提供了有力的工具。     

云计算的蚕豆虫害可见-近红外光谱分类

利用蚕豆叶片可见-近红外反射光谱结合导数光谱对健康、少量、大量虫害三种等级的实验样本进行光谱特征分析,并选择虫害检测最优波段。采用Hadoop,Spark和VMWare虚拟机搭建云计算平台,使用MLlib机器学习库实现人工神经网络(ANN)和支持向量机(SVM)分类算法,并对三种等级蚕豆叶片全波段和最优波段光谱进行分类建模与预测。结果表明ANN虫害光谱分类模型准确率优于SVM虫害光谱分类模型,并且在云平台上运行效率更高,同时全光谱波段的预测准确性高于最优波段。通过扩展光谱数据集,云计算技术在光谱数据挖掘中的计算效率有显著提升。云计算分类检测可以为作物生物胁迫光谱识别提供新的技术和方法。