管内高温介质流动入口段的辐射与对流耦合换热数值模拟

将求解辐射传递方程的离散坐标法与求解对流换热的控制容积法相结合 ,数值模拟了高温下圆管流动入口段参与性介质的辐射与对流耦合换热。考察了介质光学厚度及管壁温度对温度分布、壁面热流密度及局部努谢尔数分布的影响。结果表明 ,高温下介质辐射使介质的温度分布和对流换热状况发生较大改变 ,对管内流动入口段的换热起着重要作用     

高温下加热/冷却管内参与性介质的辐射与对流耦合换热研究

本文通过数值模拟方法研究了高温下加热/冷却管内层流充分发展流动的参与性介质热起始段的辐射与对流耦合换热。采用离散坐标法求解圆柱坐标系下的非线性积分微分辐射传递方程,采用有限差分法求解辐射与对流的耦合换热能量方程。通过计算,分析了不同壁温及入口温度下,介质导热系数、壁面发射率、介质散射反照率及散射相函数等因素对局部努谢尔数、壁面热流密度及有效加热/冷却长度的影响,并同时采用努谢尔数和壁面热流密度评价了耦合换热中辐射对对流换热的影响。      

基于高温瞬态热响应的石英窗口导热系数反演

提出一种利用高温加热下瞬态热响应信息来同时反演石英窗口在不同温度下导热系数的方法。结合实验测试过程,首先建立石英窗口-石墨板-石英窗口三明治结构高温非灰体辐射-导热耦合传热模型。再通过实际测试温度响应结果和材料光谱辐射特性参数,构建石英窗口导热系数的遗传算法反演辨识模型。采用1 100 K加热条件下实验数据,反演辨识获得了常温至1 100 K石英窗口导热系数介于1.35~2.58 $\mathrm{W}/(\mathrm{m}?\mathrm{K})$,并拟合出高温导热系数关联式。结果表明:该材料辐射对导热系数影响随温度升高而增大,在1 100 K下辐射影响占比16.12%。最终通过变工况的高温传热过程测试,验证了方法的可靠性及导热系数数据的准确性。      

民机运营支持共通性体系构架研究

民机运营支持共通性是民机产品系列化的重要特征之一,能够帮助主制造商、运营商及航空MRO等相关利益方有效控制成本、优化多样性运营支持模式、降低运营风险等.为了进一步提高民机运营效率,满足航空运营人对国产民机运营支持共通性日益增长的现实需求,本文针对现阶段我国民机运营支持特点,借鉴国际先进的民机运营支持共通性理念和技术方法...     

基于全航段QAR数据和卷积神经网络的航空发动机状态辨识

为了充分挖掘全航段飞行数据中蕴含的丰富信息以提高发动机状态辨识的准确率,提出一种基于全航段快速存取记录器（QAR）数据和卷积神经网络的发动机状态辨识方法。该方法将每次飞行循环的全航段QAR数据变换为一个红绿蓝（RGB）多通道样本实现全航段数据图像化处理,根据发动机维修记录中的水洗时间,将发动机划分为不同的衰退状态,采用卷积神经网络对不同衰退状态进行分类和辨识。该方法经某航空公司飞机QAR数据验证,结果表明：基于全航段QAR数据的衰退状态辨识算法的精确度相比于仅使用巡航段数据的精确度提升超过13%,辨识准确率达到98%。     

基于特征增维和近邻成分分析的民航发动机故障分类方法

为提高航空发动机故障诊断准确度,提出了一种从快速存取记录器（QAR）数据中提取最合适故障特征的方法。对原始 QAR数据进行缺失值填补和巡航点提取操作,选择部分发动机性能参数差值作为初始特征值;再采用特征增维方法挖掘隐藏特征 信息,进而采用近邻成分分析算法进行特征筛选优化,将所提方法与朴素贝叶斯等4种分类算法相结合,对某航空公司CFM56-7B 发动机的QAR数据进行试验验证。结果表明：从QAR数据中提取最合适故障特征的方法能有效地提高发动机故障分类算法的准 确率,且适用于不同的诊断算法,准确率优于80%。     

空间光学系统中内部构件热辐射引起的谱段杂散辐射

对空间光学系统中由于内部的构件热辐射而引起谱段杂散辐射，建立了谱段辐射物理模型和采用蒙特卡罗方法计算的有关概率模型及计算方法。编制了较通用的分析软件，并针对某一空间光学系统进行了计算，通过分析计算结果得到一些有益的结论。     

用太阳舵控制大型挠性体太空帆的控制方法

本文论述了一种用太阳舵控制大型挠性体太空帆的控制方法。介绍了太阳舵控制原理、控制方案,给出了控制规律,推导了解耦控制力矩方程。最后分析了挠性振动的稳定性控制。     

液态碳氢燃料热辐射物性参数反演方法

基于光线跟踪法建立了玻璃-液态碳氢燃料-玻璃3层平板总透射比的正问题模型,给出了反演液态碳氢燃料热辐射物性参数(光谱吸收指数 k 和光谱折射指数 n)的反问题模型,采用Monte-Carlo(M-C)法结合区间逼近法求解.通过将已知文献中庚烷的热辐射物性参数作为“真实值”,采用正问题模型计算总透射比作为“实验测量值”,然后利用反问题模型计算 n 和 k ,并分析实验偏差对反演计算的影响.研究结果表明:①模型反演 k 计算误差的标准差小于0.003%,而 n 的标准差高于21%.②实验偏差对反演计算影响较大,且偏差达到1.0%时个别反演数据明显“失真”.③ k 反演计算误 差的标准差 y 与实验偏差 γ 满足 y =2285.2 γ2- 10.484 γ +0.0037的关系式; n 反演计算误差的标准差受实验偏差影响较小,但偏差导致反演 n 误差均超过20%.      

基于SDAE的航空发动机燃油流量基线模型构建

为克服传统的基线模型算法(如BP神经网络算法)存在的泛化能力不高、鲁棒性差且容易陷入局部最优解等缺点,构建了基于堆叠降噪自动编码器(SDAE)的航空发动机燃油流量基线模型,利用民航发动机的真实飞行数据对基线模型进行训练与验证,并与基于BP神经网络的基线模型进行对比分析。结果表明:基于SDAE的燃油流量基线模型具有更高的精度和更强的鲁棒性。