变结构RBCC发动机亚燃模态全流道数值模拟研究

变结构燃烧室是提高宽范围工作火箭基组合循环（Rocket-Based Combined-Cycle,RBCC）发动机性能的有效途径之一,本文旨在通过全流道三维数值模拟的方法研究变结构RBCC发动机在低来流马赫数条件下燃烧室与进排气匹配状况,以及研究采用变结构燃烧室进行亚燃模态可靠燃烧组织的可行性。针对Ma3来流,研究了火箭冲压和纯冲压燃烧模式下的发动机性能,并实现了燃烧室工作模式的转变。通过本文的研究工作得到以下结论：（1）在火箭冲压工作模式下,一次火箭小流量工作能够提高二次燃料的燃烧效率,冲压燃烧室比冲性能较优,燃烧室与进排气能够匹配工作。（2）燃烧室工作在火箭冲压模式时,采用燃料支板集中喷注燃料的性能优于隔离段和燃料支板分散喷注时性能;发动机工作在纯冲压模式时,燃烧效率将会下降,并且发动机冲压比冲比火箭冲压工作模式下降10.2%,全流道比冲则上升14.5%。     

“过盈”不应当定义为负值

在CB1800～1804-79《公差与配合》中,对间隙或过盈的定义是这样规定的:“孔的尺寸减去相配合轴的尺寸所得的代数差。此差值为正时是间隙,为负时是过盈。”如果用代数式表示即:     

论新乡贤在现代乡村慈善事业中的出场

发展现代乡村慈善事业是乡村振兴的题中之义,乡贤历来是乡村慈善事业发展中的重要力量,而新乡贤的不在场导致在发展现代乡村慈善事业的过程中存在着主体维度的缺失,加之传统乡贤与现代慈善理念的不完全合拍,这都亟待新乡贤的出场.落叶归根的情感需求、实现自我价值的心理需要、响应振兴乡村的价值意识与维护角色扮演的"面子意识"为新乡贤的出场提供了现实可能.新乡贤群体具有类型分殊与共同特质,新乡贤的出场不仅需关注一般路径的构建,更应关注好建构各类新乡贤出场的特殊路径,充分发挥新乡贤在现代乡村慈善事业中的应有之功.     

飞机数字化装配技术发展现状

近年来,随着飞机制造技术的不断发展,以数字化、柔性化为特征的飞机先进装配技术已成为航空制造企业的发展追求.基于数字量协调技术,已突破飞机制造过程中自动化的工艺规划、检测、定位、制孔和铆接等技术,实现了飞机制造的自动化装配.     

狭缝内乙烯/氧气预混气体爆轰几何极限的实验

为研究狭缝内爆轰波传播极限,实验得到了不同初始压力(0.004~0.04MPa)下化学恰当比的乙烯/氧气预混气体在狭缝高度为1.0~4.0mm狭缝内的爆轰性能.采用烟膜板记录爆轰波运行轨迹,高速摄影捕捉火焰面.结果表明:狭缝高度越小,爆轰极限对应的临界初始压力越高.对于近极限条件内不稳定爆轰传播模式,包括"结巴"爆轰和驰振爆轰,其对应的初始压力范围随着狭缝高度的降低而变宽.考虑初始和边界条件,将水力直径与胞格宽度之比作为合理的爆轰敏感性参数描述预混气体爆轰特性,得出在不同狭缝通道内爆轰极限范围为,即该比值在0.326~0.403之间.      

狭缝内爆轰波传播模式的实验研究

为研究狭缝内爆轰波起爆及各种传播模式的特点,实验得到了不同初始压力下(p0=10~60k Pa)化学当量比的乙烯/氧气预混气体在高度1.0mm,宽度20mm狭缝内的爆轰性能。采用烟膜片记录爆轰波运行轨迹,高速摄影捕捉火焰面。结果表明:随着初始压力的降低,实验依次得到稳定爆轰模式、"结巴"爆轰模式、驰振爆轰模式和低速稳定传播模式,中间两者为不稳定模式。不稳定爆轰传播模式具有强烈的速度震荡,在一个周期内,烟膜板中周期性的出现过驱爆轰的胞格结构,随后"结巴"爆轰以单头形式与侧壁面发生碰撞并向前传播,驰振爆轰短暂熄灭。低速稳定传播速度为45%的C-J速度,烟膜板中无胞格结构出现。狭缝内爆轰波速度亏损值为10%~15%,高于大尺寸通道中的速度亏损。     

椭圆曲线密码体制研究与并行实现

本文在研究椭圆曲线密码体制理论及快速算法的基础上，给出了基于一类椭圆曲线的椭圆曲线密码体制，并讨论了该体制在由PC机和两片TMS320C25组成的主从式多微处理器系统并行实现的有关问题。     

参数平面法及其在飞机控制增稳系统设计中的应用

本文提出了一种新的参数平面法,设计了某型歼击机的控制增稳系统,并取得了满意的结果。     

作业车间动态调度研究

系统地研究了动态环境中受多种资源制约的多目标作业车间批量调度问题,提出了一种新调度算法。该算法采用基于周期和事件驱动的调度策略将动态调度过程分成多个连续静态调度区间,然后在各区间内采用多目标的遗传算法优化调度方案。本文讨论了再调度周期的确定方法、待加工工件的选取原则、批量生产的处理方法等。针对研究的调度问题设计了包含工序及其加工机床、工人、运输小车信息的染色体编码,并对染色体的解码方法、选择方法、交叉方法和变异方法进行了研究。仿真结果表明,该算法可行,优越性明显。     

基于卷积神经网络和状态时间序列的参数辨识

针对参数辨识过程运算时间长的问题,本文提出一种基于卷积神经网络的参数辨识方案.该方案避免了对数值模型的大量迭代,能够根据多个连续时间步的实测系统状态对多参数进行快速估计,实现参数辨识;同时,为了帮助神经网络更好地提取特征,还引入一种双向标准化的方法对数据进行处理.以Lorenz63为实例,对其参数进行了分析、实验.实验结果表明:该方案能够有效地估计当前物理场状态对应的模型参数,并且计算时间仅为传统方法的4％,大大提升了计算效率.