基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

偏心撞击对撞击式喷嘴雾化特性的影响

为研究偏心撞击对撞击式喷嘴雾化特性的影响,建立了求解自燃推进剂冷态射流撞击雾化过程的数值模拟方案,计算了不同偏心度条件下的射流撞击雾化过程。采用树形自适应加密算法直接求解不可压Navier-Stokes方程组,由分段线性的流体体积(VOF)方法对流体界面进行捕捉。结果表明偏心撞击会导致雾场发生偏转,当无量纲偏心度E为1/8时,雾场偏转角度约为9.2°,应控制加工偏差小于该值。随着偏心度的增大,液膜的偏转角度增大,理论推导得到的液膜偏转角度要小于数值计算得到的液膜偏转角度。正心撞击时燃料与氧化剂流强峰值接近,雾场的流强分布呈单峰分布。当发生偏心撞击时,由于燃料与氧化剂部分射流未参与撞击导致流强峰值出现交错,雾场的流强分布呈双峰分布,混合比的空间分布发生较大改变。正心撞击时撞击点下游液滴的速度分布近似呈轴对称分布,而偏心撞击之后的速度分布则呈中心对称分布。偏心撞击导致的射流动量损失使得雾化性能变差,当无量纲偏心度E为1/8时,一甲基肼(MMH)的Sauter平均直径增大约4.8%,四氧化二氮(NTO)的Sauter平均直径增大约5.8%。      

波音737-800飞机惯性基准系统故障统计分析

惯性基准系统(IRS)在飞机飞行过程中起着非常重要的作用。本文以波音737-800飞机为样本,统计近五年的IRS故障并进行故障分类和总结,重点分析了出现MAP故障旗的原理及排故措施,对不同的故障现象提出了针对性的解决思路。     

流动阻力及能量损失对注射成型制件的影响

本文分析了在塑料熔体充满型腔的过程中，流动阻力及能量损失产生的形式和物理原因，进而讨论了对塑料制件成型及凝固过程中的影响。并提出降低影响的措施。     

谈谈惯性平台“三化”工作

概述了惯性平台开展“三化”工作的必要性,分析和探讨了惯性平台的“三化”对象和主要内容,同时提出了搞好“三化”工作的几点建议。     

自由段航天器惯性/星光组合定位方法研究

在基于失准角观测量的自由段航天器惯性/星光组合定位中,由于系统状态方程的特性,使得位置速度输出不理想。针对这一问题,对量测信息进行了扩展,重建系统量测方程,然后进行以位置-角度为观测信息的最优滤波。仿真结果表明,该方法能够较大程度地提高自由段组合定位系统对于位置、速度的修正效果。