气凝胶骨架固相热导率的分子动力学模拟

基于分子动力学理论和模拟的算法,构建了非晶态二氧化硅模型以及初级粒子模型,研究了外界环境条件和气凝胶内部结构的变化对气凝胶固相热导率的影响规律。得到了300、500、800、1200K四种环境温度下二氧化硅气凝胶材料的固相热导率,材料的固相热导率随着环境温度上升略有增加。同时探讨了初级粒子内部缺陷对骨架固相热导率的影响,一定孔隙率范围内,随着孔隙率的增加材料的固相热导率降低,当孔隙率逐渐增加至0.26后,模型能够很好地表征实际情况。所建立的非晶态气凝胶模型及算法对该类材料的微尺度传热分析及结构设计具有借鉴价值。      

双参数弹性地基上四边自由矩形薄板精确解

将弹性地基视为Vlazov双参数模型,利用二维有限域积分变换的方法推导出了Vlazov双参数弹性地基上四边自由矩形薄板在任意荷载作用下挠度和内力的精确解。在求解过程中,不需要预先人为选取挠度函数,而是直接从弹性薄板的基本方程出发。通过集中荷载计算实例验证了该方法的正确性。该方法计算简便,适用于不同边界的薄板问题求解。     

低插损多频段天线罩壁电性能

采用B夹层天线罩结构,利用四端口网络分析法,为一款工作在Ka波、K波和Ku波段内的"动中通"(动卫星通信系统)通讯系统设计了专用低插损、多频段天线罩壁。分析了不同极化,不同入射角下,天线罩壁的传输系数、反射系数和插入相移。结果表明:在0~40°的入射角范围内,Ka波段内的功率传输系数优于95.0%,K波和Ku波段内的功率传输系数优于88.8%,功率反射系数都小于6.3%,且垂直极化与水平极化之间的插入相位延迟的差异极小。     

直升机旋翼试验塔电力拖动系统特性分析与仿真计算

直升机旋翼试验塔主拖动系统功率大、负载特性特殊,选择以中压变频交流调速系统作为主拖动是一种较为理想的方案。本文针对旋翼负载特性,建立了基于矢量控制的变频调速系统仿真模型,分析计算了不同机型旋翼负载的起动特性及调速性能,论证了三电平中压变频调速方式用于直升机旋翼试验系统的可行性,为旋翼试验塔的研制设计提供了理论依据。     

基体特性对HTPB推进剂力学性能的影响

按工程生产工艺要求，制得hydroxyl terminated polybutadiene (HTPB)固化胶片，通过控制试验环境温度（-50、-35、-20、0、20、35℃），得到了基于Prony级数形式的具有不同松弛特性的复合基体材料的松弛行为描述，为细观模型的建立提供了必要参数。随后基于分子动力学方法，结合具有内聚本构的黏接单元，建立了推进剂的细观计算模型。为验证所建数值模型的准确性，对固体推进剂在常温条件下进行宏观松弛力学试验，将仿真结果与试验数值的对比，试验结果与仿真结果相差在20%范围之内。最后对具有不同随机分布及不同基体松弛特性的推进剂细观模型进行有限元计算，结果表明:颗粒随机性不影响推进剂的宏观力学行为，而基体松弛特性显著影响固体推进剂的宏观力学性能，基体松弛特性获取环境温度与推进剂的宏观初始模量、延伸率以及强度均呈指数型关系。      

直升机高速四点接触球轴承接触疲劳可靠性评估方法

为了准确高效地分析高速四点接触球轴承的接触疲劳可靠性,将蒙特卡罗随机有限元(MC SFEM)与应力-强度干涉理论相结合提出了一种有效的可靠性分析方法.在高速、高温和弹流润滑（EHL）的复杂工况下,利用有限元法(FEM)建立了基于热 结构耦合分析的有限元模型.考虑到轴承材料属性、润滑油参数及接触疲劳强度的随机性对可靠性的影响,在借助MC SFEM和K S (Kolmogorov Smirnov)检验确定了高速四点接触球轴承疲劳接触应力分布类型的条件下,根据应力-强度干涉理论建立了高速四点接触球轴承接触疲劳可靠性评估方法.结果表明:与传统的MC SFEM方法相比,该方法的耗时仅是传统MC SFEM的0.243％,两者之间的可靠性误差仅为1.48％,进一步验证了该方法的有效性.      

基于细观结构的三维四向复合材料刚度预测模型

考虑纱线截面的变化、相互挤压,建立了三维四向复合材料内部单胞、表面单胞及角胞细观模型。对三种单胞模型施加了相应的周期性边界条件,采用刚度体积平均法,建立了三维四向复合材料刚度预测模型,预测了切边和非切边三维四向碳/碳复合材料纵向弹性模量。结果表明,三单胞预测模型在材料宽度为8、13、16、21mm的预测值时,与试验平均值的误差分别为18.3%、5.8%、4.2%和5%,模型预测精度在材料宽度增加时,预测精度明显提高,当材料宽度大于13mm时,能较好的预测三维四向碳/碳复合材料纵向弹性模量,且三单胞模型的预测精度显著优于内部单胞模型。     

描述碳纳米管内水分子单链的深度学习势

碳纳米管通道内的受限水具有与体相水截然不同的物理力学性质。当纳米管直径低至约0.8 nm时，通道内水分子形成与生物水通道内类似的单链结构，并显现出极高的流速和离子排斥能力。尽管基于经验势的分子动力学模拟在揭示单链水的奇特行为方面发挥了重要作用，但其模拟结果通常依赖于水模型和壁面-水作用参数选取。本文以从头算分子动力学计算结果为数据集，通过深度神经网络训练获得描述碳纳米管内单链水的深度学习势。基于深度学习势的分子动力学模拟在势能和原子受力方面具有近似第一性原理水平的准确性但低得多的计算成本，能准确重现从头算分子动力学得到的单链水性质，包括O-H键长、H-O-H键角、取向角和密度分布等。此外，本文对比了该深度学习势与常用经典水模型所得结果的异同。本文所构建的深度学习势为以接近第一性原理的准确性进行碳纳米管内单链水体系的大尺寸、长时间模拟提供了可能。