2/3层板结构空心风扇叶片设计与对比分析

针对空心结构风扇叶片设计技术在航空发动机上的应用,分析了2/3层板空心叶片结构特点,提出了1种基于气动数据源的空心叶片结构设计方法,并以某风扇叶片为例开展了2种结构空心叶片设计,有限元对比分析结果表明:2种结构空心叶片在静强度、振动特性方面各有优势,但2层板结构空心叶片可设计性更优,应用前景更好.     

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

外缘轴向进气的旋转空腔主盘局部换热及流阻特性研究

某型发动机的实际涡轮盘腔冷却结构被简化成外缘轴向进气的旋转空腔模型,以实验方法研究了旋转雷诺数(Re_ω)、冷气雷诺数Re_z)、哥拉晓夫数(Gr*)对主盘局部换热及流阻特性的影响。实验发现,冷气雷诺数、哥拉晓夫数的增大,使主盘局部换热系数在盘缘附近迅速增大,而在接近盘心时出现负值。阻力系数随旋转雷诺数的增大而减小,随冷气雷诺数的增大而增大。      

超声波流量测量中流速计算方法的对比

超声波流量计(UFM,Ultrasonic Flow Meter)通过测量管路中顺流和逆流方向的超声波传播时间变化计算流速,因此超声波传播时间的准确测量对流量计的精度影响至关重要.对超声波流量计的测量方法进行研究,从环境温度的变化、时间测量的准确性、不确定度的计算3个方面,对比超声波传播时间差法和频率差法对流量测量精度的影响.通过超声波流量测量实验,验证了在流量计未校准的情况下,与频率差法相比,时间差法的测量精度更高,且其校准系数曲线的线性度更好,校准后可在全流量范围内获得更高的测量精度.     

带气膜出流的旋转叶片冲击冷却的实验研究

用实验方法研究了放大 4倍的涡轮叶片前缘模型在旋转状态下,带气膜出流时叶片内冲击面的换热特性。实验结果表明:雷诺数的增加显著地增强了换热,但叶片前缘和尾缘的增加是不同的,而浮升力对换热的影响是复杂的;在低雷诺数的情况下,旋转对换热影响不明显,而在高雷诺数时,会使换热降低。      

增强飞行视景系统的发展

增强飞行视景系统（EFVS）是一种“以飞机为中心”的低能见度运行解决方案，能有效地改善飞机起降的安全性和运行效率。随着技术的发展，增强视景、合成视景、大型触敏屏以及3D成像技术将结合在一起，进一步改善飞行员的态势感知能力，提升飞机运营安全性。     

中心进气旋转盘腔换热特性对无量纲参数的敏感性分析

针对早期旋转盘腔换热特性研究中常忽略压缩性和耗散效应影响的研究方法，在定几何、常物性、可压缩、有耗散假设下，对描述旋转盘腔系统的控制方程进行了无量纲分析，得到除无量纲空间位置外的7个无量纲准则数。利用数值模拟的方法探究了中心进气转静系盘腔换热特性对7个无量纲参数的敏感性。结果表明：在本文研究的某些工况内，反映进口耗散效应的埃克特准则与反映转盘热边界的基比切夫准则以及固体的无量纲导热系数对努塞尔数的影响程度与旋转雷诺准则同量级。根据本文分析结果，给出了早期旋转盘腔换热特性研究成果在先进航空发动机旋转盘腔设计工作中应用的注意事项和工程建议。     

结合颅骨形态特征与神经网络的民族判别

针对颅骨民族判别问题，提出结合颅骨形态特征与神经网络的判别方法，可以推进法医人类学的发展，加快探索民族发展历程。首先，根据颅骨形态学相关研究，提取36个维吾尔族和汉族颅骨数据的几何特征；其次，采用反向传播神经网络（BPNN）对特征向量进行民族判别，并通过Adam算法对网络进行优化，避免陷入局部最优值，添加正则化项保证算法稳定性；最后，分别采用2种网络结构进行对比实验，输入层、隐藏层和输出层的神经元个数分别为36、6、2和36、12、2，并设置不同初始学习率进行对比实验。结果表明:隐藏层神经元个数为12、学习率为0.000 1时，分类精度最高，测试阶段平均准确率最高为97.5%。为了验证所提方法的普适性，生成116例国外颅骨数据进行实验，测试阶段平均准确率为90.96%。相比较于支持向量机（SVM）、决策树、KNN、Fisher等机器学习方法，所提方法学习能力更强且分类精度有明显提升。      

一种基于Spark的国产化海量数据预处理和计算技术

以提升航天大数据软件的数据处理性能为目的,以原有的MapReduce框架为基础,提出一种新的面向国产平台的基于Spark内存计算和数据预处理技术相结合的技术。将原软件框架的数据解析算法前移,采用Kafka消息队列对不规格数据进行分布式预处理。针对MapReduce框架消耗内存过大的问题,利用RDD调用机制与Spark内存计算的优势,采用一种基于Spark的快速处理框架,并在国产平台上进行了移植适配。经工程验证,新的基于Spark框架的数据处理性能较之前的MapReduce的数据处理性能有了显著提升,稳定实现了在面向全国产平台的大数据批处理技术的性能优化。