压电驱动自耦合射流流动特性实验

为了研究压电驱动狭缝喷口自耦合射流的流动特性,采用PIV、热线风速仪测试手段,对自耦合射流激发器在不同激励因素下的流场和速度场分布进行了实验和分析.结果显示,自耦合射流在狭缝出口处产生了反向涡对,随着自耦合射流的发展,射流呈现出在喷口短轴方向急剧向两侧扩展、而在喷口长轴方向先收缩后缓慢扩展的流动特征;自耦合射流的速度分布在法线方向呈现先上升后下降的趋势,在z/b=10左右速度达到最大值;在射流展向上,短轴方向速度呈规律的对称分布和速度自模的特征,而长轴方向速度近喷口区域呈现马鞍状分布,随着法向距离增加这种趋势消失.研究中发现,激发器存在两个谐振频率,在谐振频率激发下自耦合射流的速度和涡量比较大.与常规射流相比,自耦合射流显示出了独特的流动特性.     

蒙特卡罗法在机械可靠性设计中的应用

本文介绍了蒙特卡罗法在求应力-强度分布干涉理论的可靠度中的应用。并求出应力和强度的分布,计算结构可靠度。     

激光扫描路径对直接金属激光烧结温度场的影响

利用有限元分析软件AN SY S,对激光烧结温度场进行了数值模拟,建立了激光烧结薄板的温度模型;运用APDL语言控制热源的热流密度、移动速度以及扫描轨迹;研究了激光行程对烧结温度场的影响,扫描端点温度场的不对称及较大的温度梯度造成了端点球化现象;激光扫描线间的耦合作用使端点球化现象随扫描线的增加而逐渐显著。根据该程序得出的模拟结果和实验结果基本一致。     

几何分布参数的区间估计和统计贴近性研究

给出了几何分布产品全样本场合下参数的近似区间估计,通过Monte-Carlo模拟考察了区间估计的精度,并与Bootstrap置信限作了比较,最后研究了几何分布和离散寿命分布类的统计贴近性。     

一种功率因数校正电路的分析与实现

介绍了一种用普通开关电源专用集成电路控制块作为控制电路，以升压式变换器作为功率电路的功率因数校正电路。该电路的输出直流电压经采样、误差放大作为电流基准，将Ｂｏｏｓｔ功率开关电流与电流基准比较，当功率开关电流瞬时值小于电流基准时，用专用ＩＣ发出的给定宽度脉冲驱动功率开关；反之，将提前关断功率开关。当负载变化时，电流基准也变化，从而保证了输入电流波形跟踪输入电压波形和输出电压的稳定。本文提出了该电路输入电流的计算方法，编制了分析程序，分析了输入电流的谐波含量，并计算了电路的输入功率因数。得出了在占空度为０．５时获得最大功率因数的条件，提出了获得最大功率因数时电路参数选择的一般原则。同时指出了该电路符合ＩＥＣ５５５－２标准的功率范围。     

正态分布可靠寿命经典近似限的改进

本文给出了正态分布可靠寿命的又一个经典近似下限，经验证，本文所给出的结果的精度比已有的结果精度要高，可提供给可靠性工程人员使用。     

基于信息流电路可测试性的度量

准确地度量电路的可测试性是数字系统测试的重要问题之一。本文提出了一种基于信息流度量电路可测试性的方法,它表明可以将一个数字电路看成是一个信息处理系统。因此,电路的可测试性的度量值定义为电路输出的平均信息量与输入的平均信息量的最大值之比。文中给出了如何应用逻辑模拟软件来计算电路可测试性的度量值。对于由模块组成的电路,可以通过模块之间的一些特殊操作求得整个电路可测试性的度量值,本文也给出了方法及实例。文中还给出了应用本文提出的方法进行电路可测试性度量的实例,并与文[1,5]的方法得到的结果进行了比较,从而说明了本文方法的特点。     

一种改进的翼型设计方法

本文将翼型的设计问题转化成多元函数求极值问题来求解,提出了一种改进的翼型设计方法,可用于考虑粘性影响时的亚临界翼型设计。     

应力极值分布、强度威布尔分布的可靠性

本文运用应力—强度干涉理论,推导了应力为Ⅰ型极小值分布,强度为威布尔分布的可靠度计算公式,并对冗长的计算公式进行简化,在简化公式的基础上,运用一定的数学技巧,改变积分公式中的积分变量和上下限。将被积函数化成在某一区域内的可积函数。采用de Boor编制的一种严谨的自适应Romberg外推格式的FORTRAN程序进行数值积分。对应予不同的组合参数,给出应力服从Ⅰ型极小值分布,强度服从威布尔分布的可靠度数值。本文最后讨论了服从这两种分布的组合参数的变化对可算度数值变化的影响。     

定数截尾试验下双参数指数寿命分布尺度参数的EB估计

本文讨论了在无替换定效截尾试验方案下,当产品寿命为双参数指数分布时,尺度参数(失效率)久的经验Bayes(简记EB)估计问题及其收敛速度。设在给定λ,μ下,产品寿命T服从双参数指数分布,其概率密度为 受试产品有n个,试验中前r个产品依次出现的失效时间为t_(1)≤t_(2)≤……≤t_(r)。令 则(x,y)为(μ,λ)的充分统计量。记(x,y)的联合边缘密度为f(x,y),若取二次损失函数,则λ的Bayes点估计为 利用密度函数及其偏导数的核估计,构造出λ的EB估计为 φ_(1n)(x,y)与φ_(1m)(x,y)的Bayes风险分别为 在一定的正则性条件下,我们证明了 这表明,λ的EB估计的收敛速度q可任意接近于1/2。