临近空间飞艇排翼式艇翼气动干扰实验研究

临近空间排翼式升浮一体飞艇是运行在临近空间环境,由水平、垂直方向具有一定几何间隔的两个艇翼连接两个囊体构成的新型低速飞行器。本文通过研制附加支架,使用一种低雷诺数风洞测量了两个对称翼型在水平、垂直方向相对位置、雷诺数、迎角等参数变化的情况下,前翼型模型对后翼型模型的升力和阻力系数于扰值的定量结果;对其变化规律进行了总结,并通过自由飞模型对由实验数据推导出的前、后机翼间的气动干扰进行验证,得出一些对排翼式布局飞行器总体设计有指导意义的经验数据与结论。     

一种基于HVS模型的变换域数字水印算法

以人类视觉系统和离散余弦变换为基础,提出一种基于HVS感知模型的DCT域块分类水印算法。首先在水印嵌入前对水印进行了置乱,其次利用DCT域HVS的感知模型和图像亮度块的特征来控制嵌入水印的位置和强度,有效地提高了载体的保真性和水印的鲁棒性。实验结果表明,利用该算法实现的水印系统很好地兼顾了水印的透明性和鲁棒性,具有一定的实用价值。     

旋翼翼型低Ma数动态失速特性计算

低Ma数下,翼型前缘涡强度的增加和移动使法向力系数产生很大的超调量,Beddoes通过增加一项与延迟后后缘分离点有关项来模拟该特性,并改进Leishman-Beddoes二维翼型动态失速模型。在此基础上,本文在非定常法向力系数中引入一阶延迟,推迟失速判断点,得到修正后模型;而后,通过计算NACA0012、OA207翼型在低Ma数下的非定常气动力,并与实验结果进行对比,验证了模型在计算翼型低Ma数下非定常气动力的准确性,并分析了折合频率、迎角平均值、振幅对计算结果的影响。     

苏通长江大桥主梁断面三分力系数的雷诺数效应

以苏通长江大桥为研究背景,研发了一套测压装置,通过测压法对苏通长江大桥施工状态主梁断面三分力系数进行了现场实测研究,并把现场实测所得结果与风洞试验结果进行了对比,研究了雷诺数对三分力系数的影响。结果表明：雷诺数对阻力系数影响较大,现场实测值比风洞试验所得值小约15％,对升力系数及力矩系数影响较小。因此,针对特大桥梁,在利用风洞实验获取三分力系数时应尽量使雷诺数接近实际情况,否则结果可能偏于保守。     

电弧加热流场湍流度对尖锥边界层转捩影响的研究

电弧加热流场的热环境特性直接影响热防护系统的地面试验数据,由于电弧加热器高温气流和参数波动的原因,直接测量湍流度非常困难。为研究电弧加热流场湍流度对于边界层转捩的影响,采用红外热图热像仪,在电弧加热流场中进行了5°尖锥模型边界层转捩研究。结合数值计算,将试验结果与常规风洞的尖锥边界层转捩结果进行了比较。结果表明：马赫数影响的雷诺数转捩判别准则可以用于计算电弧加热流场的转捩雷诺数;电弧加热流场的尖锥边界层转捩雷诺数显著小于常规风洞的转捩雷诺数,表明在该试验条件下,电弧加热流场的湍流度显著大于常规风洞。     

MHD控制激波诱导湍流边界层分离的机理分析

为了研究磁流体动力学(Magnetohydrodynamics:MHD)加速边界层对激波-湍流边界层相互作用的影响,用高阶有限差分法求解了小磁雷诺数近似的MHD湍流方程。其中,无粘通量采用WENN格式离散、粘性通量采用Roe平均中心差分离散,时间采用半隐式推进,并采取追赶法求解。计算给出了湍流、电场、磁场和电导率等参数对边界层分离的影响,数值结果显示:在同样的逆压梯度下,湍流边界层分离能更快地趋于稳态流场,且分离区比层流小;通过施加洛仑兹力加速,边界层速度型面变得更加饱满、位移厚度减小、分离点和再附点向激波与固壁的交点靠近,分离区尺寸减小甚至最终被消除。     

非定常耦合流动对叶片动力响应的影响

针对"在轴流压气机中实现非定常耦合流动状态时,是否会引发下游转子产生结构振动问题"进行了研究.在已有的三维非定常CFD(计算流体动力学)计算频谱分析结果的基础上,使用有限元方法进行模态分析,通过调整上游静叶数的手段,研究实现耦合流动后产生的动力响应问题,并对调整前后压气机的气动特性进行比较.结果证明,通过适当的调整上游静子叶片数,可以在最大化发掘非定常耦合流动的潜力的同时避开转子的共振频率.      

全二维气相色谱用于航天煤油组成的研究

利用全二维气相色谱,结合飞行时间质谱和火焰离子化检测器,对航天煤油组成进行了定性和定量分析,根据试验结果分析了族组成、碳数分布与航天煤油性能之间的关系。研究结果表明：该航天煤油主要由异构烷烃、单环环烷烃、双环环烷烃组成,具有高燃烧值和良好的稳定性。研究结果可以为航天煤油组成的分析和优化提供依据。     

一种基于深度学习的交互式电话号码识别方法

物流、保险和中介服务等行业需要频繁地拨打电话,而人工拨打电话效率较低,高效的电话号码识别技术具有重要的应用价值。传统的印刷体数字识别方法存在人工设计特征过程复杂、识别字体单一等不足,难以满足实际应用需求。本文提出了一种基于深度学习的交互式的电话号码识别方法,通过鼠标双击图像中的电话号码,自动截取出包含此号码的目标区域,并进行灰度化、二值化、目标区域定位、字符分割和图片补白等预处理操作,在此基础上利用改进的LeNet-5卷积神经网络（CNN）自动学习图像特征,支持多种字体、字形和字号的印刷体数字识别,并利用交互式识别和内存池等方法提高识别速度。实验结果表明,单一字符的识别率为99.86%,整个号码的识别率为99.50%,整个号码平均识别时间为91 ms。本文方法识别精度高、识别速度快,具有较为广泛的应用前景。