X型超高层建筑扭转风荷载谱计算模型研究

通过X型超高层建筑模型多点同步测压风洞试验,文中研究了高层建筑扭转风荷载系数平均值、均方根值沿高度的变化规律.提出了X形高层建筑扭转动力风荷载功率谱密度函数的数学计算模型,并根据试验数据对模型参数进行了拟合,结果表明该计算模型与风洞试验结果吻合较好.文中还探讨了各层扭转动力风荷载的相干特性,以Vickery提出的尾流激励相干函数公式为计算模型,根据风洞试验数据利用最小二乘法拟合了模型参数,并给出拟合的计算参数.文中最后研究了扭转风荷载与顺风向、横风向风荷载的相干性,并提出了相应的数学计算模型,结果证明该模型与试验数据基本一致.     

大型双曲冷却塔平均风荷载的数值模拟研究

对双曲冷却塔的平均风荷载进行CFD数值模拟,获得冷却塔内外表面的三维流场特性和各高度截面的平均风压系数分布曲线,并与以往文献的实测数据和风洞试验结果进行比较,以验证数值模拟的准确性.根据内外表面的风速矢量图,描述冷却塔内外流体的流动特征,发现旋涡的存在使风压分布趋于均匀的规律.并分析塔底的边缘效应及其对冷却塔内外表面风压的影响.讨论现行设计规范在外压的三维效应和内外压的共同作用等方面的不完善之处,给出部分改进建议和冷却塔外表面、内表面和内外表面压差的风压系数等压图,以供设计参考.     

圆锥高超声速湍流边界层转捩试验研究

主要介绍了一种用于高超声速湍流边界层表面参数测量的试验方法,利用边界层的表面热流值,作为判断边界层转捩与否的依据,开展边界层攻角效应转捩特性试验研究.试验在我院FD-20炮风洞中进行,马赫数为6,试验模型是半锥度5°的圆锥模型.开展了对于圆锥模型,头部半径对转捩位置的影响,小攻角情况下对圆锥模型转捩位置的影响,并且获得了在2°和3°攻角情况下圆锥模型的攻角效应转捩全局曲线.试验结果证实了,在小攻角下,随着攻角的增加,边界层迎风面转捩位置向后移动,背风面转捩位置向前移动.     

超燃冲压发动机性能预测工程方法

基于一维流体动力学守恒关系模型和燃烧化学平衡流动假设,建立了超燃冲压发动机内推力、比冲与尾喷管出口压力的关联式,消除了以往实验中存在的超燃冲压发动机性能评估的困难。利用该关系式对超燃冲压发动机燃烧室实验模型推力增益进行了计算,通过与实验测量值的对比,校核了燃烧效率。对配合现有燃烧室模型、进气道和尾喷管的一体化发动机推力性能进行了评估,获得了发动机内推力系数、比冲与尾喷管出口压力关系曲线,为超燃冲压发动机性能快速评估和优化设计提供依据。     

聚酰亚胺泡沫吸声性能与理论分析

采用前驱体微球法制备闭孔聚酰亚胺泡沫,并对其吸声性能进行了研究。结果表明,闭孔聚酰亚胺泡沫具有共振吸声特点;对闭孔聚酰亚胺泡沫的吸声系数进行了理论推导,研究了泡沫厚度对泡沫吸声性能的影响,分析了聚酰亚胺泡沫的吸声理论;采用闭孔泡沫与开孔泡沫组合后,泡沫整体吸声性能显著提高。     

Ad hoc网络的跨层技术

首先介绍了Ad hoc网络的主要构成思想和总体目标,然后简述了现今Ad hoc网络在各个领域的研究现状.并对Ad hoc网络即将面临的问题和目前存在的跨层设计问题进行了深入分析,并对这些问题的起因及解决办法进行了讨论.     

基于知识的贝叶斯诊断网络模型建造方法

复杂系统贝叶斯诊断网络模型需要一个非常艰难的人工建造过程,而且故障样本的获得比较困难,通常面临故障样本缺乏的情况.围绕这些问题,本文提出了提取领域专家知识建造因果映射网络,转化因果映射网络为贝叶斯诊断网络的方法,并以运载火箭伺服系统关键部件伺服阀为应用对象,阐述了运用此方法建造贝叶斯诊断网络模型的关键步骤.最后,通过在单故障情况和多故障情况下的案例仿真,验证了贝叶斯诊断网络模型和模型建造方法的有效性.     

组合导航系统故障检测方法研究

针对组合导航系统的故障检测问题,提出了一种基于自适应加权和卡尔曼滤波相结合的自适应滤波新方法。它不仅可以检测出系统故障,而且可以对故障大小进行跟踪估计,同时可以对故障进行具体定位。仿真表明,该方法能够快速有效地对组合导航系统的故障进行检测和隔离,计算速度快,实时性好,可以很好地保证组合导航系统的安全可靠性。     

涡轮叶片的气动-热-结构多学科设计优化研究

涡轮叶片设计是典型的多学科问题,在保证结果精度的同时必须重视计算效率.通过控制样本的数量和质量,近似模型能够在保证一定精度的前提下,简化多学科优化过程中的数据管理,并提高优化效率.通过分析涡轮转子叶片的气动-热-结构三个学科的设计过程和数据传递关系,充分利用各学科现有的分析工具,建立了涡轮叶片的气动-热-结构多学科优化设计框架.对某涡轮转子叶片分别使用Kriging近似模型和精确分析方法进行优化对比,可以看出两者的结果误差约为1.86%,而效率提高了将近46%,表明采用近似方法的优化结果在工程上是可用的,而且在计算效率更占优势.      

用INSGA-Ⅱ进化NPCs的复杂行为

目前游戏中NPCs多目标行为进化是一个非常复杂的问题。对此建立了NPCs多目标优化的数学模型,并提出了一种NSGA-Ⅱ的改进算法——INSGA-Ⅱ。该算法在进行精英选择时,采用了基于K-均值聚类的方法联合了不同等级之间的个体进行集合划分,然后从不同的集合中选择下一代个体,从而更好地保持了种群的多样性。通过实例比较证明,在玩家和NPCs作战的游戏场景下,INSGA-Ⅱ能够得到NPCs复杂多目标控制问题的Pareto最优解,而且比NSGA-Ⅱ表现出更好的收敛性和多样性。