高性能G-M型单级脉管制冷机研究

从直流抑制角度出发，开展了高性能G—M型单级脉管制冷机的研究。在对各种直流抑制方式进行比较的基础上，利用双向进气阀流量系数的方向性，采用两个并联排列、指示箭头方向相反的阀门，称之为并联逆向双阀双向进气结构对直流进行抑制，成功地解决了传统单阀双向进气结构脉管制冷机的直流问题。在2kW(RW2)和4kW(CP4000)压缩机驱动时分别获得了18．4K和14．7K的最低制冷温度，对应在30K的制冷量为11．5W和29．5W，这些都是目前单级脉管制冷机公开报道的最好结果。     

粘性流体大幅晃动的ALE有限元模拟

采用有限元法数值求解了具有自由液面大幅移动边界的Navier－Stokes方程。对流体区域采用了任意的拉洛朗一欧拉（ALE）运动学描述，网格结点可以任意移动而不依赖于流体的运动，结合了拉格朗目描述易于处理移动边界与区域变形的优点和欧拉描述可克服单元缠结的优点，提出了简单合理的网格更新方法，能精确地跟踪运动的自由液面。为了更精确地处理强对流项的作用，采用了迎风流线Petrov－Galerkin（SUPG）加权余量法建立有限元方程。算例表明本方法对贮箱内流体的非稳态大幅晃动过程的数值模拟非常成功。     

一种功率因数校正电路的分析与实现

介绍了一种用普通开关电源专用集成电路控制块作为控制电路，以升压式变换器作为功率电路的功率因数校正电路。该电路的输出直流电压经采样、误差放大作为电流基准，将Ｂｏｏｓｔ功率开关电流与电流基准比较，当功率开关电流瞬时值小于电流基准时，用专用ＩＣ发出的给定宽度脉冲驱动功率开关；反之，将提前关断功率开关。当负载变化时，电流基准也变化，从而保证了输入电流波形跟踪输入电压波形和输出电压的稳定。本文提出了该电路输入电流的计算方法，编制了分析程序，分析了输入电流的谐波含量，并计算了电路的输入功率因数。得出了在占空度为０．５时获得最大功率因数的条件，提出了获得最大功率因数时电路参数选择的一般原则。同时指出了该电路符合ＩＥＣ５５５－２标准的功率范围。     

导弹复合材料立尾的动力特性分析

对Ｈｅｌｌｉｎｇｅｒ－Ｒｅｉｓｓｎｅｒ变分原理进行了详尽论述。依据该变分原理推导了基于折线假设的复合材料层板元素的刚度矩阵，复合材料面板蜂窝夹芯元素的刚度矩阵。在形成元素刚度矩阵时，在子域一极求逆节省大量机时。介绍了动力特性的分析和试验方法。运用Ｈ－Ｒ元素计算了导弹复合材料立尾的动力持性，取得了满意的结果。     

几种流体壁面剪切力测压管的性能研究

对四种壁画型流体剪切力测量差压计Ｓｔａｎｔｏｎ管，Ｋ型管，穴型管，及微孔表面差压管在湍流边界层条件下进行试验并对其结构特点进行比较后表明，这四种差压计具有相同的特征，所测量的区差均为流量动量变化所致，其流体剪切力可以表示为τ＝Ｃ△Ｐ￣ｎ，为避免对标定数据过于繁复的多段拟会，并使差压计能在较大测量范围内保持拟合公式的精度，各类差压管在与固体壁画铅垂方向上的尺度值应尽量低，微孔表面差压管结构复杂，灵敏度低，但它具有线性特性。     

拟协调九结点四边形层合板壳有限元

构造了一个拟协调九结点四边形层合板壳单无，这一单元是根据Ｈｕ－Ｗａｓｈｉｚｕ变分原理导出的，独立假设了位移场、每一层的应变场和应力场。文中计算了复合材料板和充实例。计算结果表明，本文单元在准确性和高效率方面的性态较好。     

面内荷载作用下混合型边界约束复合材料层合板的振动特性

本文研究一对边界为混合型约束时矩形层合薄板的振动特性问题。文中同时考虑中面荷载作用效应，给出了基于子域分解技术，单向DQ离散格式和Galerkin法的半解析算法，并通过算例讨论了混合边界构成，铺设方式和面内荷载等对板振动特性的影响。     

歼击机的鲁棒反馈控制器设计

本文应用时域多变量鲁棒控制方法设计歼击机的飞行控制系统。设计出的鲁棒控制器具有固定的设计参数和增益。在模型误差、参数波动和歼击机气动特性显著变化的情况下,可以保证飞行稳定并有良好的动态响应。     

齿轮范成的计算机仿真

本文根据D-H矩阵理论建立了齿轮范成仿真的数学模型,运用象素存贮法及压缩存贮技术,解决了仿真过程中至关重要的快速性和连续性问题,实现了齿轮范成过程的动态仿真。     

定数截尾试验下双参数指数寿命分布尺度参数的EB估计

本文讨论了在无替换定效截尾试验方案下,当产品寿命为双参数指数分布时,尺度参数(失效率)久的经验Bayes(简记EB)估计问题及其收敛速度。设在给定λ,μ下,产品寿命T服从双参数指数分布,其概率密度为 受试产品有n个,试验中前r个产品依次出现的失效时间为t_(1)≤t_(2)≤……≤t_(r)。令 则(x,y)为(μ,λ)的充分统计量。记(x,y)的联合边缘密度为f(x,y),若取二次损失函数,则λ的Bayes点估计为 利用密度函数及其偏导数的核估计,构造出λ的EB估计为 φ_(1n)(x,y)与φ_(1m)(x,y)的Bayes风险分别为 在一定的正则性条件下,我们证明了 这表明,λ的EB估计的收敛速度q可任意接近于1/2。