CJ828龙骨梁结构设计

介绍了波音系列和空客系列飞机典型龙骨梁的结构特点,并针对双通道300座CJ828客机的具体要求,设计了双梁盒式结构龙骨梁.合理地选择了各零部件材料,详细设计了中央翼盒盒段和主起落架舱盒段,并对龙骨梁零部件间的连接形式进行了设计,最后通过分析计算机身和龙骨梁的外载,对龙骨梁进行了结构分析,结果表明所设计龙骨梁的强度满足设计要求.     

一种自黏性预浸料蜂窝夹层结构制备工艺研究

将ACTECH^?1210/SW220D自粘性透波环氧预浸料与Nomex蜂窝粘接,制备蜂窝夹层结构,采用滚筒剥离强度表征其粘接强度,研究不同固化工艺参数对粘接强度的影响规律。制备蜂窝夹层结构过程中,对加压时机、组装方式、施加压力大小等关键工艺参数进行了研究。实验结果表明,ACTECH^?1210/SW220D预浸料与Nomex蜂窝粘接质量良好,滚筒剥离强度可达57 (N·mm)/mm。使用上下盖板组装对于粘接强度的提高有积极作用,相比于仅用下盖板的组装方式,上下盖板组装的夹层结构滚筒剥离强度提高了98.3%。热压罐成型工艺与模压成型工艺均适用于蜂窝粘接,对于热压罐成型工艺,在起始温度至65℃范围内加压较为适宜,对于模压成型工艺,在起始~100℃范围内加压较为适宜,施加压力范围可选择0.3 MPa~0.4 MPa。综合结果表明,采用ACTECH^?1210/SW220D自粘性预浸料与蜂窝粘接,可以制备粘接强度良好的蜂窝夹层结构。     

基于机器学习的机翼气动载荷重构及传感器优化布置

风洞实验通过在机翼表面布置传感器来测量相应位置的气动载荷，由于传感器布置数量有限，难以直接得到整个机翼全息气动载荷分布。本文采用机器学习方法通过有限传感器数据重构机翼表面全息气动载荷，并提出了利用仿真数据对传感器进行优化布置的方法。从计算流体力学（Computational fluid dynamics,CFD）计算所得的机翼全息气动数据中选取有限位置数据模拟传感器实验数据，对比深度学习模型、高斯过程回归（Gaussian process regression, GPR）、支持向量回归（Support vector regression, SVR）与BP神经网络（Neural network, NN）对气动载荷的重构精度。通过评估由传感器数据重构的全息载荷精度对传感器布置方式进行优化设计。以M6机翼为例在给定的两个工况条件下验证本文所提出的方法。实验结果表明，GPR模型获得了最高气动载荷重构精度；给出了M6机翼在不同传感器总数下最优的截面数和单个截面布点数，最低传感器布置数下的最优布置方式，以及流场变化相对剧烈的前缘区域与展向截面的传感器布置方式。