不同凹槽叶尖对双级涡轮气动性能的影响

利用数值模拟方法,研究了双级涡轮环境下常规凹槽叶尖和吸力面肋条尾缘开缝凹槽叶尖对泄漏损失的影响。基于叶尖端区流动结构,探讨了吸力面肋条尾缘开缝凹槽几何对叶尖泄漏损失的影响及上游凹槽叶尖对下游气动损失的影响机理。结果表明,相比常规凹槽叶尖,吸力面肋条尾缘附近合理的开缝结构不仅能增强刮削涡对泄漏流动的控制作用,而且还能减小叶尖中下游泄漏流与主流的夹角,对涡轮级气动性能的提升更加有利。在双级涡轮环境中,第一级转子凹槽叶尖对第二级涡轮气动性能的作用不可忽视。第一级转子凹槽叶尖通过控制泄漏涡的发展降低下游静子机匣边界层速度梯度,从而减弱了静子机匣通道涡强度,进而减小了第二级静子气动损失。     

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。     

基于滑模变结构和扩张状态观测器的电动舵机复合控制方法

为提高电动舵机伺服系统的鲁棒性,同时解决实际工作中电动舵机不确定负载引起的跟踪精度低的问题,提出了一种采用指数趋近率的滑模变结构控制率结合扩张状态观测器对负载扰动进行实时估计的电动舵机的伺服控制方法,给出了控制器设计方法和试验验证。仿真和试验结果表明,与常规的滑模控制器相比,采用扩张状态观测器的变结构控制能有效提高电动舵机的跟踪性能。     

一种针对局部结构的有限元模型修正方法

针对实际结构有限元模型（FEM）的建模误差通常仅存在于局部区域，提出了一种对局部结构单独进行模型修正的方法。首先，根据频响函数（FRF）解耦理论得到由残余结构频响函数与包含待修正参数的局部结构动刚度所重构的整体结构频响函数的拟合值，然后通过迭代优化使其与测量值的残差最小化，从而得到参数的极大似然估计。在此基础上，将残差关于参数的灵敏度以局部结构动力学矩阵表示，建立了模型修正的基本方程，利用整体结构的测试数据即可直接对分离出来的局部结构进行模型修正。最后，对喷气式飞机和三角机翼飞机分别进行了数值模拟和实验研究，验证了所提方法的可行性和有效性。结果表明，所提方法可以成功地用于仅局部区域含有建模误差的实际结构有限元模型的修正，修正后的有限元模型的动态特性与实际结构有较好的一致性。     

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。     

失重性骨质疏松腰椎力学性能研究

航天员在长期失重环境影响下,会容易造成椎体失重性骨质疏松。为了探究骨质流失对腰椎承载能力的影响,设计了不同骨密度的腰椎力学仿真,通过图像处理建立了腰椎三维模型,利用有限元算法得到腰椎应力分布,对比了不同材料属性腰椎模型应力结果。结果表明:骨质疏松腰椎的应力值较正常腰椎变小,而形变量却明显增大。可以看出,骨质流失时,会导致腰椎骨骼材料性能发生变化,使腰椎形变量增大,并且使腰椎结构承载能力降低。