"J"形燃油导管泄漏原因分析与结构优化

针对生产过程中"J"形飞机燃油导管在其内部充压情况下的法兰区螺栓位置泄漏问题,在圆环坐标系下对导管弯头内壁的压力进行基于参数方程的曲面积分,分析泄漏原因并给出结构优化方案。分析结果显示,由于弯头内壁各向曲面面积差异,导致各向受力不能相互平衡,该非平衡力系的合力使得安装导管的单颗主受力螺栓伸长量过大,导管发生小角度旋转而在法兰区产生泄露。合力的大小与导管内径的平方成正比而与其弯头的回转半径无关。将法兰区的螺栓连接孔位置整体绕导管轴线旋转22.5°,导管安装螺栓的最大伸长量将降低46%,可有效解决导管充压泄漏问题。     

火星车转移坡道柔顺性优化设计及动力学分析

对一种抽展式火星车转移坡道开展柔顺性优化设计和动力学分析。首先，分析火星车与存在异面角的坡道的挤压几何原理。然后，设计坡道的间隙机构和限位机构，并计算出机构关键设计参数的最优值，以自适应调整两侧坡道的距离，〖JP2〗减小火星车与坡道护栏之间的相互作用力。最后，对坡道下落过程和火星车在坡道上的行驶过程进行动力学仿真，验证坡道柔顺性优化设计的效果。结果表明：优化后的坡道柔顺性大幅提高，坡道可以自适应调整两侧的距离；使用优化后的坡道，可以有效降低火星车与坡道护栏的作用力，实现火星车在坡道上的安全行驶。     

铺层结构对复合材料层合板固有频率的影响

搭建四角简支的复合材料层合板的模态振动实验平台。使用锤击单点激励法获取层合板不同测点位处的频响函数;利用DHDAS动态信号分析系统测得不同铺层结构复合材料层合板的前三阶固有频率,及对应的振型;进一步分析铺层结构对复合材料层合板的振动特性的影响。结果表明,改变测点位置对层合板整体的固有频率影响较小;复合材料层合板的铺层结构对固有频率有很大影响;[0°/90°/±45°]s4铺层结构的层合板的抗冲击性最强、结构整体的刚度最高。     

短螺旋型燃烧室旋流结构及气动边界发展规律数值模拟研究

短螺旋型燃烧室的头部轴线沿发动机周向与发动机轴线偏转一定角度,可以在保证燃烧效率不变的条件下有效缩短燃烧室轴向长度。短螺旋型燃烧室流场的最大特点是旋流流动单侧受限。为了研究头部安装角α变化对燃烧室旋流流动特性的影响,基于数值方法对短螺旋型燃烧室进行了计算分析。结果表明:随着α变化,旋流器下游旋涡依次出现对称环状、马蹄状、环状结构;随着α增加,气动边界逐渐出现并抑制旋流的周向扩张,导致流场出现不同的旋涡结构;不同α下的切向角动量随轴向距离增加而衰减,但α为35°和45°时,气动边界在非受限侧出现并对旋流产生约束,角动量衰减变慢;当α为0°,15°,35°,45°时,燃油液滴依次集中分布在旋流器下游两旋涡边缘、侧壁面和头部端壁、非受限旋涡边缘。本文研究了不同α下的旋涡结构及气动边界沿轴向的演化过程,为短螺旋型燃烧室进一步的设计与优化提供基础。     

浅析波音737-800客改货飞机冲压进气门的改装与修理

随着波音737-800飞机逐渐进入退役期,其客改货业务应运而生,客改货的工作主要是对结构进行改装和修理。本文结合客改货工作经验以及图纸手册,对波音737-800客改货飞机冲压进气门的改装与修理进行了总结,阐明了工作中的难点和误区,有利于提高改装工作的质量和效率。     

某型飞机L型材铆钉脱落故障分析

某型飞机在大修试车过程中发现隔框与L型材连接处铆钉脱落,L型材R区撕裂,对铆钉、隔框进行外观检查、ABAQUS有限元分析研究,得出故障原因为飞行过载导致铆钉剪切断裂,大修试车过程中振动导致铆钉脱落。针对此故障提出了相应的解决方案,为后续同类故障的排除提供指导和参考。     

超临界CO2技术对空心/实心石英混编纤维表面改性

采用热处理+溶剂浸洗+超临界CO2技术对空心/实心石英混编纤维表面进行预处理,同时利用超临界流体的携带与渗透作用,将KH-560偶联剂引入纤维表面进行改性。采用接触角测试、表/界面张力测试、树脂吸附量测试、力学性能测试、扫描电镜等分别测试纤维表面能、胶液表面张力与接触角、胶液与纤维浸润性,观察纤维表面形貌结构,分析复合材料的力学与介电性能。结果表明:采用热处理+溶剂浸洗+超临界CO2技术可有效去除空心/实心石英混编纤维表面浸润剂,提高纤维表面能,促进胶液与纤维的完全浸润,最终改善复合材料力学与介电性能。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。