采用分布式压电驱动器的翼面热颤振主动抑制

高超声速气动加热会严重影响飞行器结构的颤振特性,本文开展了采用分布式压电驱动器的热颤振主动抑制方法研究。以某飞行器小展弦比翼面为研究对象,进行了常温和热载荷边界条件下的结构振动和颤振分析。在此基础上,对频域非定常气动力进行有理函数拟合,建立包含压电驱动器的翼面耦合结构系统状态空间形式的运动方程;对典型热载荷边界条件下的被控对象设计颤振主动抑制控制律,分别设计出LQG及PID控制器;对比分析了系统开、闭环颤振特性。结果表明,通过主动控制律的实施,达到了热颤振主动抑制的目的,验证了这种颤振主动抑制方法的有效性     

NF-6风洞压缩机及驱动系统研制

NF-6风洞是我国第一座增压连续式跨声速翼型风洞，轴流压缩机是影响风洞安全运行和流场性能的重要因素之一。介绍了NF-6风洞轴流压缩机的运转性能要求、在风洞回路中位置的选取；压缩机驱动轴系的扭转振动分析；双电机串联主从驱动方式的关键技术等。通过2003年10月的试运转表明，压缩机以及驱动系统的研制是成功的。     

积云对流参数化方案对东亚夏季风模拟对比

利用MM5模式对比5种不同积云对流参数化方案,即Kuo方案、Grell方案、Kain-Fritsch方案、Betts-Miller方案和赵思雄修改的Kuo方案对东亚季风区强、弱季风年夏季风的模拟能力。结果表明:5种对流参数化方案对各季节都有一定的模拟能力,各个方案对降雨的预报能力随地区和年际而有所不同,对强季风年grell和bm方案对雨带特征的描述较好,对弱季风年bm和zhao方案对雨带的模拟与实际最为接近。     

基于飞机性能影响的路径优化算法

针对在最少油耗、最快时间和最低成本等目标下的巡航阶段路径优化中,出现的边权重与前续路径的选择密切相关、估值函数计算开销过大等问题,首先构建了GRIB2格式网格气象数据插值、飞机性能参数快速计算流程,然后通过对A*算法估值函数系数和性能计算步长进行改进,提高每步优化时的计算效率;之后针对典型飞行任务,对不同优化目标下的结果进行对比,分析了成本指数、飞机起始质量和飞行高度层等因素的影响。将飞行性能计算融入边权重的A*算法相对于传统最短路算法会增加计算时间,但同样以飞行性能最优为目标的情况下,相较于Dijkstra算法它可以更迅速地找到优化路线。     

在线学习测试系统

充分利用B／S结构特点，实现网上学习，实现纸张答题式考试向基于Intemet的无纸化测试系统的转变。本文概要介绍了在线学习测试系统设计的系统目标、系统设计思想、系统功能、系统后台数据库的配置。     

图形变形法在固体火箭发动机设计优化中的应用

采用图形变形法分析了固体火箭发动机设计优化模型中各设计变量对目标函数和约束的影响程度，探索了可行设计空间，通过显示优化结果点附近设计空间形态定性分析了优化结果鲁棒性。结果表明，图形变形法处理固体火箭发动机设计优化多变量分析及显示问题简单、直观，易于工程应用。     

Influence of Saline Environment on Fatigue Property of Pre-Corroded Aluminum Alloy

采用预腐蚀7XXX铝合金Kt=1和K1=3 试件进行了实验室空气环境和盐水环境下的疲劳寿命实验,研究了盐水环境对预腐蚀7XXX铝合金疲劳性能的影响.结果表明,盐水环境显著降低了预腐蚀7XXX铝合金的疲劳性能,在实验室空气环境中疲劳寿命的分散性变大,应力水平越低越分散.Kt=1时在高应力水平上,盐水环境下疲劳寿命降低不多,是空气环境疲劳寿命的22.71％,而在低应力水平上盐水环境的疲劳寿命降低显著,是其空气环境疲劳寿命的2.22％.K=3时的盐水疲劳寿命在不同应力水平上的降低几乎相当.     

超声速涡轮动叶设计方法研究

研究了基于2维等熵特征线理论的超声速涡轮叶栅设计方法,通过编程开发了超声速涡轮转子叶栅设计软件,该软件可根据进、出口马赫数及进口气流角设计出需要的超声速涡轮转子叶栅。在此基础上应用FLUENT详细地分析了涡轮转子叶栅流场。结果表明:该流场分布合理,未出现激波、分离等现象,且在高载荷系数下具有较高效率。     

大型低速翼型风洞侧壁边界层控制系统研制

介绍了NF-3大型低速翼型风洞多喷嘴级联吹气侧壁边界层控制系统的结构和原理。为验证本系统的功能和性能,采用侧壁吹气方案并使用增量式PID控制算法进行气源压力的控制,对具有增升装置的GAW-1翼型进行了侧壁边界层吹除试验研究。试验结果表明：（1）使用侧壁吹气系统后翼型模型中间截面最大升力系数由2．79增加到2．84,增加幅度1．8％,且模型端面截面的升力系数与中间截面的升力系数基本上相等;（2）利用增量式PID控制算法对气源压力的精确控制较好地完成了风洞侧壁吹气功能,改善了翼型表面流动,减小了侧壁边界层对翼型试验结果的影响。     

基于深度学习驱动的L型定向热疏导机理

碳/碳（C/C）复合材料具有热导率大、比强度高、耐烧蚀和耐冲刷等优异特性,被广泛应用于飞行器的热防护系统中,其有效导热系数对于实际应用而言是重要的热物理性质,尽管可以通过有效介质理论、对热扩散方程直接求解和玻尔兹曼输运方程等传统方法计算C/C复合材料有效导热系数,但这些数值方法通常十分耗时。本文引入深度学习方法,将格子玻尔兹曼（LBM）的三维格子模型作为三维卷积神经网络（3D-CNN）微观结构,不仅解决了三维微观结构模型难以捕获的问题,还便于实现数值计算模型和CNN模型的同步简化,利用3D-CNN快速精准地预测三维三相C/C复合结构的有效导热系数,基于此对内置L型高导热碳纤维丝的定向热疏C/C复合结构的有效导热系数进行快速预测和研究。研究表明,CNN模型在LBM传热计算上表现出强大的学习能力,但在测试样本结构孔隙率过分超出训练集时预测误差将大幅增加,且当孔隙率变化范围从30%~35%变化到55%~60%时,CNN模型"内插"预测的相对误差较模型"外推"降低了0.93%~30.72%。在C/C复合结构中内置L型高导热碳纤维丝可以将高温区域的热量沿纤维方向定向疏导至低温区域。