火箭级间段连接螺栓失效数值模拟

火箭级间段采用多个螺栓盘式连接,在高速飞行过程中,箭体受横向异常载荷的作用,导致连接螺栓相继失效.本文利用非线性有限元软件ABAQUS,对单个螺栓的失效进行数值模拟（包括无螺纹单螺栓应力模型和有螺纹单螺栓破坏模型）,计算得到的失效破坏载荷与试验测定的破坏载荷进行对比.考虑火箭全箭飞行过程中遭受的横向异常载荷,对级间段连接螺栓的相继失效进行数值模拟.     

显微PIV系统与实现

显微PIV系统可用于流体微观层次以及微流体流动的测量,可获得流体速度的场信息以及其中颗粒的场信息。本文主要介绍显微PIV系统所涉及的显微图像获取技术以及图像处理算法。该系统由硬件与相应软件系统组成。其中,硬件主要包括放大倍数为1000倍的光学显微镜以及最大拍摄速度为10000帧/秒的高速摄像系统;IMPACT软件为自行开发的基于C++系统的面向对象程序,其中内嵌多种数据处理与分析算法。通过对尺寸为1μm颗粒运动的测量,对不同数据处理算法进行了检验,结果表明:建立的显微PIV系统可有效获得微观流体流动的图像并可准确进行数据的处理,该系统完全可用于微观流体流动的测量。     

气流吹袭时飞行员手臂的受力分析

总结了测量作用在手臂上的气动力的实验结果.。这些实验是用风洞、火箭车和空中弹射进行的。用6名男青年、橡胶假人、1/2人体木模型和1/10人体钢模型,在Ma=0.086～2.04范围内,测量了作用在手臂上的气流解脱力。用这些实验数据,计算出了气流产生的手臂解脱力系数,并推导出这些系数与Ma数之间的关系式,为进一步推导飞行员手臂对气流吹袭的耐力提供了气动力数据。     

旋转光滑直通道湍流流动二维热线实验

采用二维热线测量了旋转光滑直通道内不同流向位置上的平均速度和雷诺应力。实验结果表明:较高的当地旋转参数使得旋转对平均速度的影响区域扩大并且导致了前缘面附近湍流流动的再层流化。后缘面附近无量纲主流平均速度型严格按照旋转数顺序依次排列,且在对数律区呈现对数律分布。与此同时,所有无量纲雷诺应力分量在后缘面附近基本不受旋转影响。再层流化导致了前缘面附近无量纲主流平均速度型无法在对数律区维持对数律分布,且所有雷诺应力分量都随着旋转数和流向位置半径增大不断衰减;经过u-v象限分析,再层流化现象的直接原因被归于湍流脉动生成减少。      

具有容错特性的两层数据流聚类方法

提出一种具有容错能力的进化数据流聚类算法FTGDStream (Fault-Tolerant Grid-Density Clustering over Data Stream),通过在聚类过程中引入适当的松弛条件,从而在含有噪声的真实世界数据中获取更加泛化的有用知识.首先利用基于相似性度量和小波技术的HLSFTS (Hierarchical Lifting Scheme Fault-Tolerant Synopses)层次概要数据结构实现在线微聚类过程,然后采用基于网格密度的聚类算法实现离线宏聚类过程.在线算法所构造的小波概要数据结构对原始数据的高压缩率降低了离线网格密度聚类算法的计算负载,提高了二层数据流聚类算法的效率.在UCI数据集上的仿真实验结果表明,FTGDStream算法可以聚类任意空间形状的数据并且适用于高维数据流环境,是一种具有容错能力的高效数据流聚类算法.     

旋转带肋直通道湍流流动TR-PIV实验

采用高频粒子图像测速系统(TR-PIV)测量了旋转带肋通道内的主流平均速度、雷诺切应力、再附点等参数,并研究其沿程变化规律,通道高宽比为1,肋的阻塞比为01,雷诺数为10 000,旋转数从0变化到052,实验结果表明:静止时流动呈对称分布,但旋转后产生的哥氏力会极大地影响通道内的湍流流动,随着转速的增加,主流速度型偏向后缘面,前缘面涡系结构不断增大,再附点不断后移,而后缘面正好相反,并且这种趋势会沿程发展;前缘面附近的雷诺切应力变得越来越弱,而后缘面则越来越强,沿程雷诺切应力极值基本不变,但下游区域有所扩大。      

基于前缀树的数据流容错概要结构构造

应用于数据流环境的数据挖掘算法应首要考虑算法的时空复杂性,而要实现消耗巨大计算资源的容错模式挖掘则更要专注于算法的效率.容错模式挖掘是为了从被噪声干扰的真实世界数据中获取允许一定程度错配的、更加泛化的有用知识.提出一种新的单遍历、高压缩的容错前缀树形概要结构DSFT-tree(Data Stream Fault-Tolerant Frequent Pattern Tree),用来捕捉最近到达的数据流中的数据元素,并且能够高效移除过期数据,实现最大限度地降低计算资源消耗.利用滑动窗指针和位向量表达法实现容错树形概要结构的高效重构,并进一步基于滑动窗口技术实现了数据流环境下的容错频繁项挖掘.实验采用IBM数据发生器产生事务数据,在合理时间内最终挖掘频繁项的数量为FP-stream算法的1.5倍.