翼型纵向俯仰非定常气动力研究

飞行器飞行时受到的非定常气动力是飞行器设计以及机动飞行中须考虑的一个重要因素。采用CFD方法数值模拟了NACA0012翼型在马赫数从0.2~5.0范围变化时做强迫振荡的非定常流场。通过积分法计算了在不同马赫数时翼型的俯仰动导数。计算结果表明,迟滞效应随马赫数的增大先增大后减小,在跨声速区域迟滞效应达到最大;迟滞环的绕向在跨声速区域为顺时针方向;迟滞环顺时针绕向时,动导数大于零,模型动不稳定,逆时针绕向时,动导数小于零,模型动稳定;旋转角速度越大,翼型表面非定常气动效应越明显。     

基于PC/104的某飞机任务电源监控系统设计与实现

某飞机任务电源系统需要监控系统以保障飞行任务的供电安全.为提高其监控系统的可靠性和可维护性,完成了基于PC/104和远程数据采集模块的某飞机电源监控系统的设计与实现.该系统运用结合RS-485进行多串口通信,将采集的数据返回给监控界面,实现对远程终端的监控,以图形化编程软件LabVIEW为平台完成了采集与监控各部分的软件设计,并通过了各项测试,具有很好的稳定性和安全性,实现了对电源系统的监控、报警和保护.     

基于RBF神经网络的开关磁阻电机在线建模 及其实验验证

 为了获取开关磁阻电机(SRM)的精确模型,提出了一种基于径向基函数(RBF)神经网络对SRM进行建模的方法,主要包括离线建模和在线建模两部分。离线建模通过实验测量得到SRM的磁链特性曲线,并利用该数据训练RBF神经网络,实现SRM磁链的离线建模;在线建模是指当SRM的运行状态发生变化时,离线模型的估计磁链与实际磁链会产生误差,通过对神经网络的输出权值进行在线调节,实现具有在线动态调节功能的SRM在线模型。为了验证该方法的可行性,针对一台12/8结构的SRM样机进行仿真和实验,结果表明SRM的离线模型和在线模型在仿真和实验条件下均能正确地估计SRM的磁链特性,而且在线模型的估计精度高于离线模型,验证了本文的研究方法合理有效。     

基于并行FPGA阵列的宽带转发式干扰机设计

针对目前雷达探测技术缺乏宽带转发式干扰机的现状,提出了一种基于并行FPGA阵列的宽带转发式干扰机的设计方案。首先从理论上分析确定了诱饵的灵敏度和发射功率,而后以12 bit高速DRFM模块为基础,构建了多通道并行储频转发结构,实现了可覆盖GHz级带宽的转发式干扰机系统。实验结果表明,诱饵系统在频率覆盖宽度和输出信号质量等方面均达到了预期水平。     

降低国产轿车阻力的风洞试验研究

本文通过对红旗ＣＡ７４４轿车的空气动力特性试验研究,认识到在满足轿车功能和适应相关法规的前提下如何降低轿车外部气动阻力及内流阻力的几个问题。通过试验研究并采用合理的气动布局,使该车型气动阻力系数从０．４２降至０．２５,升力系数从０．３７４降至－０．１２７。本研究为提高国产轿车设计水平提供了重要依据。     

双垂尾对边条翼布局大迎角升力影响机理研究

对边条翼双垂尾布局的垂尾导致大迎角升力减小现象的机理进行了研究。采用CFD方法分析一个类似于F-22战斗机的模型,发现在低速大迎角条件下,脱体涡流经垂尾外侧;垂尾下部附近气流方向向后并向外;垂尾外侧存在低压区,而垂尾内侧和垂尾间的机身上表面存在高压区。认为脱体涡在垂尾外侧表面产生吸力,在涡核下方诱导出向外的速度分量,致使垂尾处于侧滑气流中,从而使其表面压力内高外低,除了产生指向外侧的法向力外,也传递内侧高压至机身上表面。外倾垂尾上向外的法向力和机身上表面的高压区,是减小大迎角升力的直接原因。     

固体火箭发动机药柱三维温度场应力场有限元分析

采用有限元法计算固体火箭发动机药柱在固化冷却时的三维瞬态温度场。基于粘弹性积分型本构关系，计算热应力场。计算程序可用于工程实际。     

基于模式匹配的中文问答系统

网络信息的迅速增长,传统搜索引擎的不足,促使了人们对问答系统的研究。首先介绍了一些问答系统相关知识;然后重点介绍了我们设计开发的基于模式匹配技术的中文问答系统;最后使用该系统进行实验,并给出实验结果与分析。实验结果表明,基于模式匹配的中文问答系统是有效的。     

基于语音标签的语音浏览器

随着互联网的发展,Web已经成为获取各种信息的重要途径,但是并不是所有人都能享受互联网所带来的便利。针对某些不便于使用鼠标和键盘输入的情况,开发了一个基于语音的网页浏览系统。主要特点是通过采用给网页自动添加语音标签的方法来辅助用户与互联网的语音交互。该系统通过对互联网上的网页进行本地缓存并加入语音标签,对用户的语音输入进行引导和提示,实现了语音控制的网页浏览。     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.