壁压法用于高速风洞洞壁干扰修正

本文介绍用壁压信息法对高速风洞模型试验进行洞壁干扰修正的方法。这种方法使用风洞壁附近壁压分布测量数据和模型受力数据进行洞壁干扰修正计算,不涉及风洞壁的通气特性,可用于各种通气壁或实壁高速风洞。用本法计算了各种模型在多种风洞试验段(实壁、柔壁、孔壁、缝壁)中的数百种试验状态。试验马赫数范围是0.5到0.9,试验雷诺数范围是2×10~6～1×10~7。计算结果和国外最新修正方法及无洞壁干扰N-S方程计算结果进行了比较,证实了本文方法的正确性和实用性。     

三角翼大幅度俯仰运动非定常洞壁干扰实验研究

在 3m低速风洞中用两个后掠角均为 70°的大小三角翼模型进行过失速非定常运动模拟 ,两个模型外形几何相似 ,根弦比为 1∶ 2 .1 2 5。在模型运动过程中测量模型的非定常气动力和风洞洞壁上的非定常壁压。研究大小模型对非定常气动力和非定常壁压特性的影响以及模型运动的缩减频率效应和雷诺数效应。结果表明 ,非定常壁压与非定常气动力一样具有迟滞特性 ,模型越大 ,迟滞环越大。     

基于SyncML的安全数据同步SDSXS-API

为解决移动数据库及其应用程序数据同步时的安全性、可靠性和完整性，在移动数据同步交换标准规范——Sync ML协议的基础上，提出并实现了安全数据同步交换服务应用程序接口（SDSXS—API），为移动数据库系统及其应用程序提供了统一的数据同步交换的调用平台，既保证了移动环境下数据传送与交换的可靠性和完整性，又保证了系统数据传送的安全性。     

桥梁结构移动载荷识别的新方法

桥梁结构的移动载荷识别技术是桥梁工程建设的技术难点之一。本文在载荷匀速移动的基础上,将时域识别的方法推广运用到变速运动的载荷,运用广义正交变换技术研究了移动载荷识别的新方法,并推导出了在广义正交域下移动载荷识别的数学模型。通过计算机仿真算例验证了该理论的正确性及在工程运用中的可行性。该模型适用于桥梁结构的移动动态载荷识别,为移动载荷识别技术的发展打下一定的基础。     

跨声速柔壁自适应风洞及试验技术研究

简述西北工业大学自适应壁风洞研究课题组在“八五”期间开展跨声速柔壁自适应壁风洞试验技术研究的主要研究工作成果。简介该校的高速柔壁自适应壁风洞的设计及主要参数，以及在该风洞中开展的低超声速消除波反射的研究、近声速的自适应壁风洞试验技术研究和跨声速自适应壁试验段优化设计的研究。     

移动体卫星通信系统

当今,移动通信发展很快,利用通信卫星进行车辆、船舶、飞机等移动体的通信已经开始实验,并取得了实验数据。日本通过技术试验卫星5号和6号确立这方面基础技术;国际海事卫星组织利用海事卫星Ⅱ试验飞机卫星通信;美国和加拿大的移动体通信卫星即将发射。本文介绍移动体卫星通信系统的现状和发展动向。     

端壁合成射流对高负荷扩压叶栅损失特性的影响

利用端壁合成射流技术对高负荷扩压叶栅内的流动分离控制展开数值研究,探讨其改善损失的作用机理及影响因素。研究结果表明,端壁合成射流可以显著提升叶栅气动性能,使总压损失最大降低21.63%,静压升提高5.60%。射流形成的流向射流旋涡通过上洗/下洗作用促进了端壁附面层与主流高速流体间的动量交换,阻碍了通道涡向叶展中部的迁移、削弱其展向影响范围,并通过流向动量注入效应增大了激励缝下游流体的能量,从而推迟流动分离、降低叶栅损失。激励位置和射流角度是影响端壁合成射流作用效果的重要参数,当激励位于角区分离线上游附近且射流角度较小时,流动控制效果最佳。此外,提高射流动量也有助于增强其控制流动分离的能力。     

2015航空维修领域的五大技术趋势

<正>1移动技术的应用将成为常态饱受热议的移动技术将会在航空维修领域中发挥重大的作用。同时,作为信息系统的一部分,各种移动应用(APP)与移动设备的整合将在维修全领域取得更大的进步。在维修过程中应用移动设备将成为常态,工程人员通过移动设备上的APP可随时获得所需的信息,而不必从穿行于停机坪与办公室之间或者排队通过终端机获取相关信息。新一代移动设备搭载的APP,将极大地提高维修、工作效率、降低费用,避免操作的复杂性。2增材制造技术初显投资回报     

仿鞭毛菌游动的微型机器人近壁运动

鞭毛菌及模仿其运行的微机器人在靠近壁面游动时，其运动模式与远离壁面时有所不同。针对这一现象，本文利用抗力理论和Stokes方程的线性性质，对鞭毛菌在壁面附近运动时流体对其施加的作用力进行分析，建立了鞭毛菌近壁运动的动力学模型。同时计算了细菌在平行于壁面平面内的运动轨迹与游动速度，并与实验数据进行对比分析，结果验证了该理论模型 的有效性。在此基础上，探讨了鞭毛尾的几何和运动学参数与细菌的速度变化量之间的关系。本文研究为微型仿生游动机器人运动控制时规避近壁效应提供参考依据。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。