基于偏差值的航空发动机参数标准化修正模型

考虑到大气温度、大气湿度和燃烧热值等因素的影响,在第三相似理论的基础上提出了一种基于气路参数偏差值的标准化修正模型,以发动机生产厂家的历史数据为学习样本,建立了多元非线性超定方程组,采用高斯牛顿迭代法进行模型中未知参数的回归求解.使用该模型对测试集数据进行偏差值求解,并把结果与其他模型求解的偏差值进行对比,结果表明:修正后的标准化模型具有更高的精度,更接近于厂家系统的原始模型,具有较高的创新性和实用价值.      

大型民机增升装置噪声分析

随着低噪声发动机的使用,飞机机体噪声所占比例日益增大。尤其在飞机进场阶段,机体噪声中的增升装置噪声不容忽视。着重讨论了大型民机增升装置的噪声原理、降噪技术和预测方法,分析了增升装置前缘缝翼和后缘襟的流动特性,并阐述其噪声特性。然后对几种增升装置降噪技术的应用和发展进行了总结。最后介绍了气动噪声的几种预测方法。     

超流体陀螺仪的发展概况与研究进展

超流体陀螺基于低温物理量子理论发展,有望成为新一代高精度陀螺仪的重要方向.通过对超流体陀螺的研究现状进行调研和分析,阐述了主要的几类超流体陀螺的原理和特点,分析了超流体陀螺的发展前景.对于基于交流(AC)约瑟夫森效应的超流体陀螺的灵敏度以及温度和体积上的优势展开了分析,并针对前期研究中的原理方案设计、加工和制冷技术以及误差分析等问题提出了思考并进行了展望,旨在加强国内研究者的交流,进一步促进新陀螺技术的发展.     

李群变分积分子在最优航迹规划中的应用

结合几何力学的相关理论,研究了个体的航迹优化的控制策略及其算法实现。构造随机规划算法以获取可行航迹点序列,具有较好的全局收敛性。利用最优控制方法求解所得航迹点之间的最优控制。几何力学着眼于个体的几何特性,利用李群来描述刚体的运动。依据离散变分原理得到了刚体的李群变分积分子。藉由李群变分积分子构造的最优控制算法,可以高效的实现刚体运动的最优控制。     

新型变截面同心筒发射装置及其热环境气动原理研究

为了更好地改善同心筒导弹垂直发射装置工作时导弹所面临的热环境,分析了影响筒口处燃气温度的因素和出口燃气温度降低过程中的气体动力学原理,并首次从能量守恒的角度分析了以前科研人员在降低出口燃气温度方面所做的研究工作,解释了各种降温方案的原理。还提出了一种变截面同心筒的设计方案,即将同心筒内外筒的间隙设计成收缩-扩张形状（类似于拉瓦尔喷管）,利用此变截面同心筒对气流的加速作用来提高燃气的出流速度,以达到降低高温燃气温度的目的。文中用FLUENT对设计结构进行了二维数值模拟,验证了可行性,显示出此方案可在一定程度上改善导弹工作时的热环境。     

低速模拟技术在高压涡轮级中的应用

借鉴低速模拟技术在航空发动机高压压气机研究中的成功经验,探索了将其应用于高压涡轮部件时的气动设计方法,提出了一种改进的叶型重设计方法.以此方法为设计准则,选取E3发动机高压涡轮的第1级为原型高压涡轮,设计了与其相似的低速涡轮试验设备.在设计过程中保证了两者之间相等或相近的稠度、展弦比等结构参数,相近的效率、负荷系数、沿径向分布的效率和气流角等气动参数,以及类似的无量纲叶片表面等熵马赫数分布形式.数值模拟结果表明:由于低速涡轮设备的落压比、总温比等参数均与原型高压涡轮差别较大,压气机低速模拟中常用的流量系数、叶片表面压力分布等相似参数不再适用.按照给出的结构和气动相似参数所设计的低速涡轮模型达到设计要求,其能够反映出原型高压涡轮主要的气动参数变化趋势,能够作为涡轮内部气动热力学研究的试验载体.      

基于挖掘性学习和探索性学习相结合的管理学原理教学方法研究

在分析高校《管理学原理》教学现状及存在问题的基础上,本研究借鉴挖掘性学习和探索性学习理论并结合长期教学实践,提出了基于挖掘性学习和探索性学习相结合的《管理学原理》教学方法及改革思路。     

空间合作目标运动再现的相似设计方法研究

以相似理论为基础设计一种绝对运动等效代换方案以在地面试验中实现空间合作目标绝对运动与相对运动同时再现。首先应用量纲分析法给出空间合作目标轨道姿态动力学问题地面试验的相似准则;然后,提出绝对运动等效代换方法,并以此为基础建立运动再现地面试验模拟器的轨道姿态动力学方程;最后以航天器交会对接最终逼近段地面验证试验为例给出地面试验系统验证方案的具体实施步骤,并通过仿真算例说明所提方法的有效性。     

一种轴对称平面反射阵天线的布阵方法

为了减少星载平面反射阵列天线设计所需的庞大计算量,提出了一种基于菲涅尔原理的新的天线布阵方法,该方法通过多种菲涅尔相位环带实现相位补偿,每一环带所用贴片单元一致。在此基础上设计了工作频率为94GHz,由4种菲涅尔相位环带组成的平面反射阵列天线。通过仿真计算,证明该方法合理有效,可应用于星载轴对称平面反射阵天线的设计。     

基于深度图推理的卫星背板部件检测方法

在轨加注是一种典型的在轨服务操作,它对于降低空间运输成本和任务风险起着重要的作用,视觉感知系统可以感知操作任务周围环境并提供给控制系统。目前在轨加注依赖于人,在人员监控下完成或通过遥操作完成,缺乏自主性。本文围绕未来高自主性的基于深度强化学习的在轨加注方法,对基于深度学习的视觉感知方法展开了研究,针对基于深度学习的方法对相似实例的检测存在精确率低、对光照变化敏感等缺点,提出了基于深度图推理的卫星背板部件检测方法。提出的方法可以有效地检测复杂形状的目标,不依赖于手工设计的特征;提高了复杂光照环境下部件的检测正确率;可以有效区分外形相似的不同部件;其有效性在数学仿真和物理仿真中均得到了验证。