环境介质对脉冲放电强化层厚度和硬度的影响

本文通过在不同的环境介质下进行强化实验发现,在氮气和二氧化碳气氛中采用高脉冲能量强化可获得较厚的强化层,且强化层硬度明显高于空气中获得的强化层.另外二氧化碳和氮气相比,前者的强化层硬度更高些.     

一种用于RM不稳定性研究的竖直环形激波管的设计与验证

设计并加工了一套竖直环形同轴无膜激波管,可用于环形汇聚激波诱导下的Richtmyer-Meshkov不稳定性实验研究。与前人工作相比,本文在流体界面的形成以及流场的观测方法上做了较大的改进。通过实验和数值方法,对该竖直激波管产生的环形柱状汇聚激波的参数进行测量和分析,验证了同轴激波管形成柱状汇聚激波方法的可行性和可靠性。在界面形成方面,采用细丝约束肥皂膜技术形成正八边形气体界面,并利用数值方法考察了细丝对界面发展的影响。结果表明在界面发展的前期,细丝的影响几乎可以忽略。利用连续激光片光结合高速摄影相机对流场进行观测,获得了正八边形air/SF6气体界面在环形汇聚激波及其反射激波冲击下的演化过程,并与数值结果进行了对比,获得了较好的一致性,进一步验证了汇聚激波的对称性以及细丝约束肥皂膜技术用于形成多边形气体界面的可靠性。     

反射激波作用下两种重气柱界面不稳定性实验研究

在水平方形激波管中对两种无膜重气柱界面（分别是SF6和氩气）在反射激波作用下的不稳定性发展进行了实验研究。气柱界面采用射流技术形成,实验采用连续激光片光源照射流场,乙二醇作为示踪粒子,并用高速摄像机对流场进行拍摄,获得了入射激波以及反射激波共同作用下,两种不同气柱界面的演化过程。实验结果表明,两种气柱的Atwood数不同,界面演化速率不同,反射激波到达前后的界面形态不同。SF6气柱在入射激波作用下会产生两个比较明显的反向的涡环结构,而氩气柱界面上由于产生的涡量较少,涡环结构并不明显。在反射激波作用下,SF6气柱界面会出现明显的次级涡对,而且次级涡对的旋转方向与初始涡环结构的旋转方向相反。对于氩气柱而言,在反射激波作用下虽然也产生了与初始涡环方向相反的次级涡对,但次级涡对始终未充分发展。这是因为反射激波作用时氩气柱界面的Atwood数较小导致氩气柱界面上产生的反向涡量较少。实验结果充分表明了气体Atwood数对界面不稳定性的发展起到了较大的影响。     

力反馈式电液伺服阀衔铁组件力学模型

电液伺服阀衔铁组件是连接电-机械转换器和液压放大器的柔性构件,其刚度是影响伺服阀动静态特性的重要因素。针对衔铁组件精密零部件刚度的精确分析理论欠缺的问题,将衔铁组件等效为变截面弹性组合梁结构,考虑剪力对结构变形的影响,建立了基于能量守恒原理的衔铁组件柔度矩阵静力学解析模型。进一步,提出了弹簧管、反馈杆和挡板刚度以及组件综合刚度的高精度计算方法。并作了弹簧管刚度测量和反馈杆柔度测量,理论计算结果与测量结果吻合。所建立的衔铁组件柔度矩阵模型及刚度计算式可为衔铁组件柔性构件匹配设计和精密零件刚度标定提供依据。     

基于模型参考自适应参数辨识的永磁同步电机电流预测控制

在永磁同步电机运行过程中,电机参数时变使得电流预测控制器的模型参数和实际电机参数不匹配,导致其控制性能下降。提出了基于模型参考自适应系统(MRAS)的改进电流预测控制方法,利用旋转坐标系下d、q轴电流方程作为参考模型,基于Popov超稳定理论构建永磁同步电机的电感和磁链在线辨识系统,将得到的辨识参数应用于电流预测控制模型中,实现控制模型参数的在线更新。分析与仿真结果表明该方法能够有效地提升在电机参数变化下的电流预测控制性能。     

细长杆用于超音速飞行器降噪的数值分析

在超音速飞机头部加装合理设计的细长杆可有效降低飞行噪音.基于Fluent准三维数值模拟手段对多组细长杆设计方案进行模拟分析,对比其对远场压力的影响,以比较各类细长杆的降噪效果,根据气动理论对数值结果作出解释,揭示细长杆的降噪效果与其外形的内在联系;从远场压力最大值、远场压力曲线形状等不同方面分析细长杆对音爆的影响.结果表明:6 m长的12.5°半锥角单级锥形细长杆有明显的降噪效果;合理设计的多级细长杆可明显降低初始过压值,并能延迟远场压力达到最大值的时间;凹凹面、凹锥面、凸凹面和凸锥面的细长杆能够降低远场压力峰值,改善压力曲线的形状,具有较好的降噪作用;细长杆产生的强膨胀波能在激波传播过程中大幅削弱机头激波,从而削弱音爆水平.     

代价敏感惩罚AdaBoost算法的非平衡数据分类

针对非平衡数据分类问题，提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中，引入一种新的自适应代价敏感函数，赋予少数类样本及分错的少数类样本更高的代价值，并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机（Support vector machine,SVM）优化模型作为基分类器，采用带有方差减小的随机梯度下降方法（Stochastic variance reduced gradient,SVRG）对优化模型进行求解。对比实验表明，本文提出的算法不但在几何均值（G-mean）和ROC曲线下的面积（Area under ROC curve,AUC）上明显优于其他算法，而且获得了较大的平均间隔，显示了本文算法在处理非平衡数据分类问题上的有效性。