燃烧室-涡轮耦合流动传热超大涡模拟研究

为了准确预测发动机燃烧室和涡轮耦合复杂气热环境下涡轮部件的流动和换热特性,应用基于BSL k-ω湍流模型的高精度超大涡模拟方法(VLES),以及SST k-ω雷诺平均湍流模型对雷诺数为Re=3.8×105的高压涡轮导叶在均匀进口条件以及燃烧室-涡轮耦合情况进口条件下的涡轮流动和传热进行了数值研究.耦合火焰面生成流型(F...     

美国防部的先进技术概念演示计划

美国国防部计划在1997财年将花9900万美元进行18项先进技术概念演示(ACTD),其中包括先进的机载监视项目。这些演示是2年以前开始的,其中由通用原子能公司研制的“掠夺者”无人机现已在波黑地区使用。一个ACTD项目是安装在高空机载平台上的树叶穿透雷达和超频谱成像(HSI)。美国空军希望采用这种系统探测隐蔽和伪装的目     

NiAl基合金室温脆性分析

本文研究了Ni-20Al-30Fe合金的组织,断裂行为和热处理制度对该合金组织的影响,分析了该合金能获得较高室温延伸率的原因。通过加入3.0at％Ti和8.0at％Ti,比较了Ti对该合金组织断裂行为和热处理后组织变化的影响。结果表明Ti的引入使该合金的脆性增大,并分析了增大的原因。     

Ic—6铸造Ni3Al基合金的研究

本文研究了Ni_3Al基合金的元素组成、组织控制及其与力学性能之间的关系。探索表明:B、Al、Mo是影响Ni_3Al基高温合金组织与性能的三种主要元素;γ’单相区的尺寸和数量对合金性能有重大影响;一定数量的热稳定性良好的γ相是Ni_3Al基合金取得高性能的基本保证。     

模糊优化设计在结构优化设计中的应用

模糊优化设计就是将工程设计中的许用应力、许用尺寸、许用频率和许用变形等数据看成模糊子集。本文采用隶属函数来表示模糊子集,然后用入水平截集确定结构设计的新的设防水平和截集的上下限(也就是新的许用应力)。文章中还阐述了水平截集和工程设计中安全系数的关系。本文用模糊优化设计的概念计算了飞行器化铣网格贮箱的优化设计问题。可以看出模糊优化设计保证结构安全情况下减轻结构重量,并提供多个工程设计方案供设计人员选择。     

混气活性对爆震波在突扩段传播特性的影响研究

为研究爆震波经过突扩段的传播特性,实验采用低活性混气C2H2+2.5O2+70%Ar和高活性混气C2H2+2.5O2,测量了爆震波在扩张比为1.34的圆管间传播的速度变化,并运用化学反应动力学分析爆震波动力学参数。结果表明:爆震波在小管出口的速度至多降至0.6倍的Chapman-Jouguet爆震波速。高活性混气触发的爆震波的成功传播是由于在大管产生局部爆炸,随后形成了过驱爆震波。相应地,低活性混气触发的爆震波不会形成过驱爆震波,且波速的波动范围较小。当预混气体压力小于爆震波从小管向大管成功传播的最低压力时,低活性混气触发的爆震波更快地衰减为爆燃波。通过化学反应动力学分析可知,高活性混气的爆震波稳定性参数较高,更容易形成局部爆炸。在最低压力处两种混气的爆震波诱导区长度接近0.8mm,管径与胞格宽度之比接近于1,因此爆震波在圆管中传播的准则可以用于预估爆震波在扩张比为1.34的圆管内能否成功传播。     

超声速等离子喷涂颗粒加热熔化与细化过程分析

针对超声速等离子喷涂过程中颗粒撞击基体前熔化状态未知的问题,利用数值计算方法分析了单个颗粒在超声速气流中的加热熔化过程,并对颗粒的破碎细化行为进行了探究。计算考虑颗粒内部相变后,得到不同时刻颗粒内部的温度分布更加合理,通过分析得到了颗粒熔化界面随加热时间的变化曲线,其在0.35ms时完全熔化,这与实验分析结果相符。熔融颗粒在进入到高温高速等离子体射流中粒径会迅速减小,统计得到100mm处小于5μm的颗粒所占比例最大,超过了50%,与实验收集粒子的粒度分布一致。     

多元高温合金固溶极限预测

综合考虑了溶质元素与基体元素的原子半径、电负性以及外层电子数的立方根对溶质元素固溶度的影响，推导出二元合金的固溶度定量方程，提出了多元高温合金固溶极限曲线的预测新方法，并将其应用于计算镍基和钴基三元合金相图的γ／（γ＋σ）相界和γ（γ＋μ）相界。结果表明，计算的固溶极限曲线与已知相图的固溶极限曲线较吻合，与Ｍｄ值法计算的相界比较，该方法具有较高的精度。     

一种基于SPWM方法的三相变频逆变电源

给出了一种新的SPWM控制算法。采用该方法可以很方便的实现SPWM变频逆变的控制,并以增强型高速51单片机W77E58为主处理器构成系统,实现了三相变频逆变电源。该电源具有频率、电压的调节、指示及过流保护等功能。     

对抗黑盒攻击的混合对抗性训练防御策略研究

随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。