可变体机翼多物理场分布式光纤集成测试技术

介绍了可变体机翼技术和可变体机翼多物理场光纤集成测试技术的研究现状.     

固体推进剂的非线性结构模型

在大多数固体推进剂特性的线性和非线性理论中,一个主要的缺陷在于忽略了内部损伤。对于那些已引出损伤参数的非线性理论,数值常数与推进剂的物理性质无关。而且,这些理论具有如此复杂的性质以至于要完成一个庞大的实验测试程序。已经提出了一个表示固体推进剂性质的简单方法。这个方法以一个基本定律为基础,该定律用一个应力衰减函数修正粘弹表达式。根据单轴试验数据,可用衰减函数表示推进剂的非线性性质。在卸载期损伤的表达式中,这个方法比过去的方法显示出重大的改进。分别定义松弛和再加载为过去最大应力的正态函数。利用这种方法对复杂的过程进行了预测,而且实测应力与预测应力很接近。     

内乘波式进气道内收缩基本流场研究

内收缩基本流场的设计直接决定了内乘波式进气道最终性能.编制二维轴对称特征线法程序,实现了来流马赫数6条件下的内收缩锥基本流场计算.提出以两道曲激波将内收缩锥流场划分为三个区域,反射激波与基本流场的交点所在平面流量平均参数作为内收缩锥基本流场的性能评价参数.分析发现,内收缩锥基本流场流动特征与平面二维流动和外锥流动存在显著不同,该类流场流动损失与二维平面流动相当,但压缩能力强.内锥角、中心体半径比两个几何参数对流场性能的影响具有相似规律,给出了相应表达式,从而为内乘波式进气道的设计提供了依据.     

用于微型涡轮机的节流孔式静压气浮轴承实验

对用于厘米级微型涡轮发动机的径向静压气浮轴承展开了实验研究,分析了长径比、节流孔径、气膜间隙及供气压力等对承载力、刚度和耗气量的影响.提出了这些设计参数的优选方法,并结合直径11 cm的某微型喷气发动机,给出了与之匹配的径向静压气浮轴承设计方案:工作面直径15 mm、长度17.5 mm、节流孔径0.35 mm、气膜间隙25μm.此方案在供气绝对压力2.5 kPa时,双轴承支撑能力为13.72 N,耗气量小于1.0 g/s,有效地满足了微型涡轮发动机要求.      

吸附式压气机叶型设计技术研究

以开发能提高叶片负载能力的"吸附式压气机(The aspirated compressor)"叶型设计技术为目标,以某发动机高压压气机的前三级为工程背景,研究了超高负荷的单级吸附式压气机气动方案,初步建立了从子午流道设计、S₁流面基元叶型反问题设计到带附面层吸除S₁流面计算分析的一套设计方法.以单级方案动叶叶尖截面作为设计实例,演示了开发的设计方法能够设计出基本达到设计要求的吸附式压气机叶型.      

飞机电源系统参数测试软件的通用性设计

从自动测试系统通用性的角度出发,阐述了ATS软件通用性的实现及关键技术.利用MFC在组件技术的基础上完成了飞机电源系统通用参数测试软件功能组件开发,同时结合GL Studio完成了图形控件的设计和开发.借助于LabWindows/CVI,给出了通用测试软件集成的详细说明和方法步骤.     

基于弹性小波神经网络的故障诊断研究

航空电源系统是机上设备的重要组成部分,任意一个环节出现故障,将会影响整个飞机系统的正常安全运行。针对神经网络收敛速度慢,易陷入局部最小的缺点,将小波神经网络结合弹性BP算法应用到电源系统故障诊断中。训练过程及仿真结果表明：小波神经网络故障诊断算法收敛时间方面表现更优,具有较高故障诊断率。     

某型飞机刹车蓄压器压力快速下降故障分析

针对某型飞机一起刹车蓄压器压力快速下降故障,分析了蓄压器刹车工作原理,对刹车切断阀进行分解和内泄漏测试,最终将故障定位在液压系统局部污染物造成的切断阀密封表面损伤,导致在关闭状态下压力腔与回油腔之间出现较大泄漏而使刹车蓄压器压力快速下降。本案例可为类似故障的排除提供参考。     

超临界航空煤油喷射到大气环境的喷射特性

用纹影系统对超临界RP-3航空煤油喷射到大气环境中的喷射特性进行了试验研究.在纹影照片中可以看出喷嘴出口下游产生了桶形激波、马赫盘和斜激波,射流近场结构与高度欠膨胀空气射流非常相似.测试结果表明马赫盘的位置随着对比压力的增大而增大,对比温度对马赫盘位置的影响不大;马赫盘的直径随着对比温度的升高而减小,随着对比压力的增大而增大;射流的喷射长度随着对比压力的增大而增大,随着对比温度的升高而减小.      

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.