物理启发的深度学习模型及其在热端部件散热中的应用

热端部件散热是众多空天设备的关键技术。表面温度分布是散热设计中用到的重要信息,常规的解析建模手段和机器学习方法均无法有效地表达此类高维信息。近年来兴起的图像深度学习算法是解决表面温度信息预测的有效手段。然而,现有的基于大数据的深度学习方法往往对于物理数据和小样本数据不适用,体现为泛化精度差、数据兼容性差、可解释性差。因此,有必要结合传热的先验知识发展物理启发的新型深度学习算法,以增强高自由度、高复杂度散热对象上的设计能力。本文基于卷积算子和有限差分求解方式的类比关系,提出了一种物理启发式的循环卷积神经网络。以横向出流的冲击冷却为例,开展了变计算域大小、变工况、变尺寸的批量数值模拟,获取了冲击冷却关键特征的小样本图像数据。进一步通过神经网络的训练,构建了多参数、大范围内有较好拟合能力的温度、传热系数、压力代理模型。研究结果表明,本文提出的物理启发神经网络模型,对于计算域大小没有限制,可以统一表达不同空间范围内获取的物理数据的共性规律。模型的各类超参设定均具有明确的物理意义,且与经典的微分方程求解理论有一定的类比关系,增强了神经网络调参的方向性。通过传热物理规律与黑箱模型的融合,本文实现了小样本多参数物理数据的共性建模。该方法可以迅速重构热端部件的高维分布信息,可服务于热端部件的快速分析设计以及优化。     

基于多特征融合的电磁换向阀故障模式识别

为提高基于驱动端电流检测的电磁换向阀故障诊断方法的可靠性和识别准确度，开展了电磁换向阀故障模式识别方法研究。提出一种基于多特征融合的方法对电流信号时频分析和时域参数的特征值提取融合；通过设计电磁换向阀驱动端电流信号的采集实验，获取电磁换向阀驱动端电流的时域信号和二阶变化率的多特征曲线，提取时域参数及二阶变化率相应频带能量作为特征值，构建多特征融合的特征向量；采用基于径向基核函数的多分类支持向量机对电磁换向阀进行模式识别。结果表明：基于多特征融合的支持向量机较基于能量特征值的支持向量机可提升8.7%的识别精度和42.11%的验证准确率。     

复合材料飞机接地回流网络网内压降分析

为保证机载电气设备的正常运行，复合材料飞机机身需增设金属接地回流网络来满足机上电气系统的接地需求。针对复合材料飞机接地回流网络网内压降计算问题，采用基于导体的体积部分元等效电路方法，对安装在复合材料飞机上的接地回流网络进行建模，通过计算接地回流网络接地点间的阻抗及接地回路的电流分布，分析某型飞机28 VDC、115 VAC汇流条上部分配电单元负载在巡航工况下接地网内沿路径的电压降，并考虑了故障电流注入及构件间接触阻抗对接地回流网络网内压降的影响。通过建立简化模型对网内压降进行分析，所提出的网内压降计算方法及仿真计算结果可为复合材料飞机接地回流网络的设计安装、故障管理及电气保护系统设计等方面提供参考。     

进气畸变及非轴对称端壁造型对紧凑型压气机中介机匣性能的影响

为掌握畸变进气下非轴对称端壁造型对大径向落差长度比紧凑型压气机中介机匣气动特性的影响机制，采用数值模拟方法研究了畸变进气条件下中介机匣的流动特性，并进一步探索了轮毂非轴对称端壁造型对中介机匣内部流动结构和节流特性的影响。结果显示：进气畸变下中介机匣出口流场高总压损失与畸变主要来源于轮毂表面附面层分离产生的旋流和支板角区分离的共同作用。采用提出的基于三角函数的非轴对称端壁造型方法可有效消除轮毂表面的分离螺旋节点和支板角区分离，使中介机匣性能得到明显提升，总压损失系数降低约11.4%，且畸变进气下轮毂端壁造型对中介机匣节流特性的影响规律与均匀进气不同。     

某型训练指挥台电源系统的优化设计

电源系统是为某型训练指挥台内部各设备提供能源支持的基础单元。通过对电源系统的组成结构和功能的系统分析,针对电源系统存在的 3个方面不足,包括:启动冲击电流过大、电源开关存安全隐患以及风扇组交流负载消耗不合理,提出相应的优化措施,即:应用软启动电源降低启动冲击电流、利用低压控制高压提高安全性、使用直流风扇替换交流风扇降低交流负载消耗。实际应用表明,在采用上述优化措施后系统的可靠性和安全性均得 到了明显提高,达到了优化的目的。     

3种新型端炔氟虫腈的合成及杀虫活性

将氟虫腈与3种端炔氯氨基甲酸酯反应,合成了3种含氨基甲酸酯结构片断的端炔氟虫腈,探讨了其合成条件,结果表明,KOH和四丁基碘化铵(TBAI)[n(KOH)∶ n(TBAI)=20∶ 1]与CH2Cl2的组合为理想的反应体系.在此条件下,3种目标化合物的产率分别为71%、64%和75%.杀虫活性测定结果表明,3种目标化合物对白蚊伊蚊Aedes albopictus、亚洲玉米螟Ostrinia furnacalis和小菜蛾Plutella xylostella的杀虫活性稍优于氟虫腈.