共查询到18条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
针对高速热流环境下薄壁结构随机振动应力响应变化规律与疲劳失效问题,进行了数值仿真计算与高温随机振动试验。通过对比仿真计算结果与试验结果发现模态误差小于28%,应力响应误差小于4%。结构疲劳失效时间误差小于3 430 s,验证了此仿真方法的可用性与准确性。使用该数值仿真方法,基于耦合的FEM/BEM(有限元/边界元)理论,通过Fluent软件模拟高速热流环境,实现了高速热流环境下薄壁结构随机振动应力响应的计算。获取了薄壁结构在不同振动量级与热流环境影响下动力学响应与疲劳失效时间。分析不同环境温度各流速下结构热随机振动应力响应及疲劳失效时间变化规律,并阐述造成这种变化的原因。完成的工作可对高速热流环境下薄壁结构热随机振动疲劳失效时间预估提供参考依据。 相似文献
5.
6.
7.
8.
硅微谐振加速度计以高精度的频率信号输出成为硅微传感器的研制热点之一。在分析硅微谐振式加速度计工作机理的基础上,采用一种新的基于双检测质量块和谐振音叉低附加质量的硅微谐振式加速度计结构形式。运用ANSYS 对加速度计关键结构尺寸进行仿真优化,明确了关键结构尺寸的变化对加速度计性能的影响规律。结果表明:杠杆支撑梁长度、杠杆支撑梁宽度、杠杆支撑梁位置、音叉梁宽度、梳齿宽度和质量块支撑梁宽度对整体结构性能影响最大。所设计的加速度计谐振基频约为21kHz,标度因数为92Hz/g,在±30g 加速度输入下非线性达到0.322‰。 相似文献
9.
运载火箭飞行过程中振动量极大,影响减载加速度计组合输出精度,必须加上减振器才能满足系统指标的要求。同时,为了实现减载加速度计组合小型化、轻量化的要求,采用四点减振的减振方案,介绍了减载加速度计组合减振设计过程,并采用ANSYS有限元软件分析了减载加速度计组合未采用减振系统情况下的模态、应力和加速度响应。通过在减载加速度计组合底座上安装4个减振器,使用电磁振动台对减载加速度计组合3个方向进行正弦振动及随机振动试验。试验结果表明,减载加速度计组合采用的四点减振形式可以有效地隔离振动,减载加速度计组合输出精度满足系统提出的零偏均值小于4mg的指标要求,减振器指标设计合理。 相似文献
10.
陀螺加速度计的结构误差指由仪表生产、装配,仪表向平台上安装及仪表结构在工作中受力变形等因素所造成的仪表测量误差。文中介绍了结构误差的产生机理及测定方法。 相似文献
11.
12.
13.
三轴转台误差源对陀螺加速度表测试的影响 总被引:3,自引:0,他引:3
分析了三轴转台设备误差源;讨论了转台误差对陀螺加速度表测试精度的影响。根据陀螺加速度表的输入输出模型,建立了转台误差对陀螺加速度表系数辨识影响的数学表达式。 相似文献
14.
惯性组合三位置现场测试方法 总被引:3,自引:0,他引:3
针对陀螺漂移和加速度计零偏,提出了一种三位置现场测试方法。该方法不需要转台,对夹具和测试基准无特殊要求,惯性组件无须精确取向。仿真结果表明,惯性器件测试误差主要由安装失准角和标度因数误差有关。 相似文献
15.
16.
测试特性的温度漂移是压阻式加速度传感器研发中的固有问题,与器件制造的多个环节相关,是多因素共同作用的结果。封装应力的隔离是消减传感器特性温度漂移的重要手段之一。为详细分析封装应力隔离结构的引入效果及其对传感器测试特性的影响,以传统双桥式敏感结构为基础,采用有限元方法分析了封装应力隔离结构对传感器附加干扰载荷抵抗力的提升作用,并分析了从其引入后对传感器敏感应力和结构固有频率的影响。分析结果表明,引入封装应力隔离结构可有效降低外部干扰应力对传感器敏感结构的影响,同时也会改变结构固有频率在内的传感器测试特性。因而,当封装应力隔离结构应用于高频型加速度传感器时,需通过优化结构质量分布、采用横向敏感结构等方法对提升结构自身固有频率及实现敏感方向与隔离变形方向解耦等问题进行进一步优化。 相似文献
17.
Yang Hai a b Cheng Wei a Zhu Hong c a Institute of Solid Mechanics Beijing University of Aeronautics Astronautics Beijing China bNo. Troop of People’ s Liberation Army Shenyang China cLiaoning Equipment Manufacture College of Vocational Technology Shenyang China 《中国航空学报》2008,21(5):423-432
Predicting the time-varying auto-spectral density of a spacecraft in high-altitude orbits requires an accurate model for the non-stationary random vibration signals with densely spaced modal frequency. The traditional time-varying algorithm limits prediction accuracy, thus affecting a number of operational decisions. To solve this problem, a time-varying auto regressive (TVAR) model based on the process neural network (PNN) and the empirical mode decomposition (EMD) is proposed. The time-varying system is tracked on-line by establishing a time-varying parameter model, and then the relevant parameter spectrum is obtained. Firstly, the EMD method is utilized to decompose the signal into several intrinsic mode functions (IMFs). Then for each IMF, the PNN is established and the time-varying auto-spectral density is obtained. Finally, the time-frequency distribution of the signals can be reconstructed by linear superposition. The simulation and the analytical results from an example demonstrate that this approach possesses simplicity, effectiveness, and feasibility, as well as higher frequency resolution. 相似文献