非定常尾迹输运对动叶气膜冷却流场影响

对不同尾迹宽度下涡轮动叶的气膜冷却流场进行非定常数值研究,研究了尾迹输运对动叶气膜冷却流场的影响机理.计算结果表明:非定常尾迹的总压损失和速度损失而形成低速区,当非定常尾迹输运到冷却孔附近时,尾迹对气膜层的干扰占主导地位,靠近气膜孔的叶片区域冷却效率降低明显.非定常尾迹的影响使得冷却气流被带到压力面叶片下游更广阔的区域,导致气膜冷却沿叶展方向的覆盖范围更广,从而使得压力面气膜冷却效率在尾迹通过时更高一些.当尾迹宽度增大时,对气膜冷却效率的影响程度增大.尾迹对压力面的影响比吸力面更大一些.      

涡流传感器提离效应的研究

通过数值计算表明涡流检测传感器相对于被测导体的提离效应在阻抗平面图上是近似为直线的轨迹。并通过单片机实现阻抗的幅值和相位的测量 ,利用阻抗变换的方法 ,有效地实现了提离干扰信号的抑制     

液体煤油超声速燃烧数值分析的湍流模型

利用计算流体力学软件对煤油在所设计的双模态燃烧室内的喷雾燃烧进行了数值模拟。采用k-ε三种形式、k-ω两种形式和雷诺应力湍流模型,计算了在飞行马赫数为5,煤油与空气的当量比为0.551时的情况。通过将数值模拟结果与实验数据进行对比,证明这些湍流模型都可用于煤油超声速燃烧的数值计算。并且,k-εRNG模型和k-ωSST模型的计算结果与实验数据最为接近,可以认为这两个模型在模拟煤油超声速燃烧流场中是非常有效的;而雷诺应力模型效果较差。     

铝合金与橡胶软油箱抗老化涂层接触腐蚀机理研究

通过对7A04-T6包铝合金及去包铝合金与三种橡胶抗老化涂层材料在高温、高湿环境中的接触腐蚀产物SEM形貌分析及EDS成分分析,表明铝合金与橡胶抗老化涂层接触腐蚀形貌特征为点蚀,腐蚀严重时试样表面局部或全部被大量腐蚀产物所覆盖,腐蚀产物的主要元素为Al,C,O,Mg,Zn,Cl,Si,S.提出了铝合金与橡胶抗老化涂层"接触-扩散-吸附/沉积物层与电解质薄液膜层形成/腐蚀闭塞区形成/阴离子加速自催化腐蚀/点蚀-晶间腐蚀-剥落腐蚀"的接触腐蚀过程及机理.     

N2O单组元微推力器高空模拟实验研究

在真空舱中进行了N2O单组元两种尺寸的微推力器的高空模拟试验研究,分析了微推力器设计参数对比冲等性能的影响。结果表明,两种尺寸微推力器的最大比冲分别为1.608 N.s/g和1.639 N.s/g,热损失、床载和床长对微推力器性能影响明显,存在最佳床载值、床载和床长的匹配。     

一种采用“捷联+平台”方案的新型航空重力仪

针对资源勘探等高精度应用对航空重力仪测量精度和分辨率的更高要求,在前期研究基础之上,研发了新一代采用"捷联+平台"方案的新型航空重力仪。设计了采用石英挠性加速度计和光纤陀螺的捷联式重力仪,采用了新型温度控制方案,提高了重力仪的环境适应能力。设计了稳定平台,将捷联式重力仪保持在垂直方向,隔离载机的角运动干扰,减小了重力传感器的动态误差。飞行试验表明,该方案是有效的,将航空重力仪的精度和分辨率提升到优于1mGal/3km。     

平流层飞艇热力学验证温度测量方法研究

平流层飞艇的热力学分析是平流层飞艇关键技术之一。针对热力学分析的工程验证及模型完善,提出了适合于平流层飞艇的艇囊内气体及囊体表面的温度测量方法,包括采集点的分布,传感器的选型,数据传输和处理及数据准确性评价等。经过两次平流层飞艇的缩比飞行试验,对比同艇发放的探空仪采集的温度数据,验证了该方法测量到的数据的准确性。     

固体推进剂吸气式涡轮火箭发动机的建模及特征研究

建立了固体推进剂吸气式涡轮火箭发动机的设计状态数学模型,提出了燃烧室燃气与空气配比的关系,分析了压气机增压比、涡轮进口燃气总温和涡轮落压比对燃烧室油气比的影响,以及固体推进剂吸气式涡轮火箭发动机的设计特点。基于涡轮压气机功率平衡条件、静压相等的掺混条件和尾喷管流量匹配条件,建立了固体推进剂吸气式涡轮火箭发动机的非设计状态数学模型。     

整体弹性结构法及在叶片流固耦合分析中的应用

针对三维叶片时域流固耦合振动响应计算普遍耗时的问题,采用一种假设整体结构的模态位移,求解固体时域响应和实现高效网格变形,发展了一种3维时域流固耦合分析的整体弹性结构方法,并应用于压气机叶片0°和180°相位角的气动稳定性分析中。结果表明,所发展方法的计算结果与传统双向时域算法和文献的结果较为吻合,而计算效率相比于传统算法显著提升;在所分析的两个相位角下,叶片振动的气动阻尼均随流量减小先增大后降低,相比于0°相位角,180°下叶片的气动稳定性大幅提高,表明该方法能有效应用于叶片的工程流固耦合研究。     

基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。