风扇/压气机周向模态识别中传感器角度偏差的影响

基于任意角度压缩感知(CS)方法分析了传感器安装角度偏差对风扇/压气机周向模态识别重构的影响,设计了一套自适应角度优化程序修正重构误差。利用数值试验探究了传感器角度偏差和数量对周向模态重构结果的影响,研究表明:当角度偏差等级为2.5%时,平均重构误差达到10%以上,若保证重构误差基本不变,将传感器数量从7个增加至25个,仅可以将角度偏差等级放宽至4%。而采用小生境微种群遗传算法进行自适应角度优化,在20 dB信噪比下,通过自适应角度优化可将角度偏差等级从2.5%放宽至10%,降低了传感器安装的精度要求。成功优化了一款冷却风扇在前三阶叶片通过频率下的主要周向声模态重构幅值。自适应角度优化算法有效提升了基于压缩感知的风扇/压气机周向模态重构可靠性。     

双脉冲固体火箭发动机隔舱打开与破片运动过程模拟

相比传统固体火箭发动机,具有能量管理特性的双脉冲固体火箭发动机结构更为复杂,为了提高其工作可靠性,针对核心部件金属隔舱的破片运动过程开展了数值仿真与试验研究。首先基于LS-DYNA软件,分析中引入监测函数、逻辑开关函数和加载驱动函数,模拟燃气流对破片的连续作用力,计算得到了在不同时刻破片的空间分布规律、撞击点位置及发动机内部损伤情况,保证了破片运动过程的高保真还原。其次,为了验证仿真结果的准确性,进行了模拟二脉冲初始工况的热流试验,发现破片撞击位置及损伤程度的仿真结果与试验数据一致性较高,其中撞击位置的预示误差小于9%,试验结果充分验证了有限元模型的准确性。由此,建立了适用于双脉冲固体火箭发动机金属隔舱破片运动过程的分析模型,实现了破片撞击位置及损伤程度的高精度预示。     

超声速混合层中PIV粒子的湍流变动作用研究

对二维超声速气固两相混合层进行双向耦合，研究了粒子图像测速技术（PIV）中示踪粒子对超声速混合层的湍流变动作用。超声速气固两相混合层的气相采用大涡模拟，离散相采用拉格朗日颗粒轨道模型求解。结果表明:与无负载示踪粒子时的超声速混合层相比，小Stokes数示踪粒子在超声速混合层中的布撒减弱了流向湍流，而强化了法向湍流，使雷诺应力峰值增大了9.68%；大Stokes数示踪粒子对混合层的湍流脉动起到了一定的削弱作用，最大雷诺应力值只有无负载时的41.74%。大质量载荷时，大量示踪粒子的运动尾迹抹平了部分法向速度脉动，使最大法向速度脉动只有无负载粒子时的38.63%；中等质量载荷时，超声速混合层的法向速度脉动和雷诺应力峰值与无负载粒子时相近；而小质量载荷时，超声速混合层中心线及其附近的法向速度脉动得到较小的增强，而最大流向速度脉动却被削弱了19.29%。小Stokes数和中等质量载荷示踪粒子对原始无负载粒子时的流场影响相对较小，研究结论对高速流动PIV测试有着重要的参考价值。     

多孔介质隔热材料中的辐射热传递分析

新型的多孔材料以其重量轻、强度高备受航天工程设计人员的亲睐,尤其是作为隔热材料使用,可以说是航天工程热防护系统的热门材料.多孔介质在辐射热传递方面具有吸收发射和散射的功能,这些功能在其接受外来热流的作用下,于内部达到热能量平衡,求解这一平衡方程就可以求出辐射热流在材料中的分布.由于求解这一方程的困难,许多学者对材料特性...     

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域，基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储，难以在无人机等嵌入式平台上进行部署。针对此问题，将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中，并提出了一种可充分利用硬件计算资源的FPGA加速器，其整体平均性能为65.6GOPS。与其他相关工作的对比表明，低比特量化方法及其FPGA加速器实现，可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。     

一种改进的防空导弹侧向回路稳定控制结构分析

基于复合稳定控制结构,对某防空导弹侧向回路过载反馈通道的结构进行了改进。基于理论分析,结合工程应用实际进行了数学仿真验证。结果表明:在保持足够稳定裕度的前提下,改进结构的系统快速性好,鲁棒性更优。     

离子液体电喷推力器的关键技术及展望

首先介绍离子液体电喷推力器的工作原理和分类，通过与其他相同推力量级的电推力器对比进一步分析了其特点，然后总结了离子液体电喷推力器的国内外研究现状，在此基础上重点梳理了微尺度下带电粒子的产生与加速、微细制造与精密装配、推进剂贮存和供给、高升压比微功率电源处理单元以及比冲和推力测试等离子液体电喷推力器研制过程中涉及的关键技术，最后展望了小型化、模块化与推力密度提升的发展趋势并提出离子液体电喷推力器的发展构想。     

Practical compensation for nonlinear dynamic thrust measurement system

The real dynamic thrust measurement system usually tends to be nonlinear due to the complex characteristics of the rig, pipes connection, etc. For a real dynamic measuring system,the nonlinearity must be eliminated by some adequate methods. In this paper, a nonlinear model of dynamic thrust measurement system is established by using radial basis function neural network(RBF-NN), where a novel multi-step force generator is designed to stimulate the nonlinearity of the system, and a practical compensation method for the measurement system using left inverse model is proposed. Left inverse model can be considered as a perfect dynamic compensation of the dynamic thrust measurement system, and in practice, it can be approximated by RBF-NN based on least mean square(LMS) algorithms. Different weights are set for producing the multi-step force, which is the ideal input signal of the nonlinear dynamic thrust measurement system. The validity of the compensation method depends on the engine’s performance and the tolerance error0.5%, which is commonly demanded in engineering. Results from simulations and experiments show that the practical compensation using left inverse model based on RBF-NN in dynamic thrust measuring system can yield high tracking accuracy than the conventional methods.     

基于主动失谐优化的叶轮瞬态加减速振动抑制

提出了一种基于主动失谐优化的叶轮瞬态加减速振动抑制方法.首先建立了瞬态加减速激励下的叶轮降阶模型,获得了表征失谐对瞬态振幅影响的失谐放大因子.然后基于降阶模型,采用蒙特卡洛仿真快速计算了一系列瞬态激励下失谐放大因子的概率密度分布,结果表明:失谐放大因子在大多数瞬态激励下受到随机小失谐的影响大于在稳态激励下受到的影响,且...