NF-6风洞压缩机监控系统的研制

介绍了西北工业大学翼型研究中心在建的NF-6风洞(增压连续式跨声速翼型风洞)的压缩机监控系统的运行方式。该系统由工控机、PLC、各种传感器(压力、振动、温度等)组成，可以对压缩机运行进行实时监控，保证压缩机的安全运行，实现事故报警与故障排除。     

基于红外辐射的涡轮转子叶片前缘温度场测量

根据发动机涡轮转子叶片温度场测试需求,对发动机进行了局部改装,并设计了安装支架,利用红外辐射高温计测量了发动机涡轮叶片前缘及叶盆温度场。试验结果表明,所有叶片表面温度分布具有明显的规律性——中截面附近区域前缘温度最高、叶盆次之,在前缘和叶盆之间存在一低温区;从前缘到叶盆的叶尖弦向温度呈反S形分布。各涡轮叶片叶盆存在一椭圆形高温区,该高温区在中截面附近温度最高,沿叶尖和叶根方向延伸并伴随温度递减。各涡轮叶片前缘温度的高温区都集中在中截面附近约1/3叶高范围,叶尖和叶根温度都较低。     

偏心销结构舱段连接方式强度计算及试验验证

基于某型导弹偏心销结构舱段连接方式,推导了连接面上偏心销的最大剪力公式,并对该结构开展了有限元分析和静力试验。有限元结果表明在给定载荷作用下,偏心销材料进入塑性,偏心销限位环发生强度破坏;连接面舱体结构局部材料进入塑形,但不会发生强度破坏;试验结果验证了上述仿真结果,并根据最大剪力公式建立单个偏心销有限元计算模型是一种比较稳妥的方法。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展，智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记，因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法，为在轨航天器实时故障诊断提供了可行方法.首先，对航天器运行数据进行预处理，将多维时域信号转换为二维图像信号；其次，搭建基于残差网络的故障诊断深度学习框架，并利用地面测试数据与其他航天器在轨运行数据对网络进行预训练；进而，为了实现当前在轨航天器实时故障诊断，本文采用迁移学习自适应方法，设计网络联合分布自适应代价函数，对故障诊断模型进行参数重调，使模型适应当前在轨航天器故障诊断任务.仿真结果表明，所提出的基于深度迁移学习的故障诊断方法可以快速准确的诊断出航天器故障.     

基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

醇香醉人波尔多

以浪漫著称的法国，其城市建筑几乎保持着中世纪的风格。这里的一切，似乎都是时光沉淀的艺术!巴黎圣母院建造了150年，凯旋门，也花费了30年的时间……法国人才不在乎哪个王朝、哪个皇帝能享有这些东西，而是让时间的长河慢慢浸润、渗透，最将．其终打造成世界级的名片。大西洋左岸波尔多的酒，亦是如此——     

NF-3风洞尾支撑机构及其测控系统的研制

介绍了西北工业大学NF-3风洞模型实验用尾支撑系统的总体设计方案、测量和控制技术。描述了该机构的基本结构及其主要的技术指标，讨论了其中的技术难点及相应的解决办法。通过实验运行表明，该系统达到了设计指标，完全满足气动实验要求。