航天器运输包装箱仿真验证平台技术研究

针对数量有限的物理跑车试验无法满足减振与保温性能测试需求的问题，提出一套航天器运输包装箱动力学与热学仿真验证方法，包括：建立适用于包装箱系统的刚柔耦合多体动力学系统，通过结合线路条件测试生成的动力学系统外部激励，实现减振性能虚拟跑车测试；建立基于计算流体力学的包装箱热学模型，通过模拟自然对流和空调控制，实现包装箱保温性能虚拟跑车测试；基于C/S架构和导航式流程设计思想，建立航天器运输包装箱仿真验证平台，通过实际案例证明该平台仿真结果与实际跑车测试数据具有较高的一致性。     

无人自转旋翼机建模与控制方法研究

以500kg级无人自转旋翼机为研究对象,研究了样例无人旋翼机的建模和自动飞行控制技术.首先,基于解析形式叶素积分法给出自转旋翼机的建模方法,并给出了样例旋翼无人机的数学模型;然后,设计了无人旋翼机的俯仰和滚转控制律,并在此基础上设计了速度、高度及侧偏控制律.最后,通过飞行试验验证了模型的准确性及控制律的有效性.     

基于BP神经网络的冰形特征参数预测

机翼结冰影响了飞机飞行的气动特性，严重时将会引起事故，对冰形特征参数进行预测对翼型气动特性研究以及后续防除冰措施具有重要的意义。本文利用BP神经网络，建立翼型冰形特征参数预测模型，并采用k折交叉验证进行网络结构选择，以气象与飞行条件作为输入，结冰极限、冰角高度和角度等冰形特征参数作为输出。结果表明:预测的冰形特征参数（除下冰角高度外）与数值结果相对误差低于5%，证明该方法具有较好的预测效果。     

固体火箭发动机喉衬用轴编C/C复合材料的烧蚀及热结构特性研究进展

固体火箭发动机喉衬用轴编C/C复合材料的工作环境面临高温、高压、高速燃气流和大量凝聚相颗粒的烧蚀和冲刷,对材料的抗烧蚀性能和热结构特性要求十分严格。因此,从烧蚀实验和热结构特性实验研究、热结构特性预测与气体-颗粒两相流数值模拟三个方面,论述了轴编C/C复合材料的烧蚀及热结构特性研究进展。总结讨论了实现真实烧蚀工作环境的模拟和影响烧蚀实验参数的控制是高温烧蚀实验的难点,对于铝颗粒添加下工况的烧蚀实验和在细观尺度下热结构特性参数的测定实验是重点;提出从实验件类型、实验系统设计和对比有无铝颗粒添加下的工况进行烧蚀实验;提出采用一种热稳定性材料取代界面的实验方案进行热结构特性参数的测定实验。在热结构特性研究的细观尺度方面,组分材料之间的界面对热结构特性的影响有待深入研究,提出在代表性体积单元模型的基础上引入温度的周期性边界条件来实现热结构参数的预测。在气粒两相流数值模拟方面,发动机内不同相之间相互耦合作用以及对轴编C/C复合材料的机械侵蚀是数值模拟研究的难点,提出使用SDPH-FVM耦合的方法去解决内流场燃烧流动的问题,进一步可用来揭示内流场燃烧流动机理。     

基于变马赫数的五孔探针三维插值方法

探讨了五孔探针气动数据的插值方法,为提高插值精度,开发了基于传统线性插值法的三维线性插值法。该方法把同一探针在不同马赫数下的校准图形成三维数据库,将实验数据通过三维图进行插值。并使用改进前后的两种插值方法分别对校准风洞测得的数据进行整理,对比结果证明:在实验工况连续变化的情况下,三维线性插值法在插值精度上要优于传统线性插值法。特别是在来流马赫数变化较大时,该方法可以改善单一校准文件处理造成的数据精度问题,可用于自动化流场采集系统,为流场高速高精度采集奠定基础。     

涡轴发动机燃气涡轮叶片动应力测试技术研究及验证

针对涡轴发动机高转速燃气涡轮叶片动应力测试中出现的应变计短路、高温导线断裂和线芯窜动问题,开展了动应力测试技术研究。提出了加宽基底喷涂固定应变计、优化高温导线布线、改进高温导线等工艺方法,并进行了试验验证。试验结果表明,共振转速试验测试值与计算值基本一致,共振转速测试结果准确有效。通过研究,获得了具有实际应用价值的涡轴发动机燃气涡轮叶片动应力测试技术,可为同类测量提供参考。     

空间站燃烧科学实验系统设计

建立空间站燃烧实验系统，可满足未来空间微重力燃烧实验系统需求.通过空间站微重力燃烧实验研究，可拓展空间燃烧学研究.根据所要实现的功能及燃烧实验需求，对中国空间站燃烧柜的燃烧科学实验系统进行了设计和分析.燃烧科学实验系统由8个子系统组成，是一个适合开展气、液、固多种燃料燃烧实验的综合性实验系统.考虑到强度设计要求，在完成方案设计后，对系统进行了有限元分析，并在研制的结构件上进行了力学环境实验.实验与分析结果表明，本文设计的实验系统能够满足环模实验的要求，结构合理可行.      

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.