电解催化氧化法处理L—乳酸精制残留液的初步研究

电解催化氧化法能很好地降解高浓度有机废水中的有机污染物 ,是一种高级氧化技术。针对L—乳酸精制残留液CODcr值约高达 14 0 0 0 0mg L的特点 ,本文对电解催化氧化处理L—乳酸精制残留液进行了初步研究。结果表明 ,在直流电解电流密度为 2 80A m2 时 ,电解 12小时 ,并消解 5天 ,CODcr的去除率为 98.5 7% ,脱色率为 5 2 .77%。     

优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。     

飞机概念设计中的外形参数化模型的研究

在现代CAD造型技术的支持下．飞机外形的参数化模型可以成为飞机概念设计中总体布局、方案比较、外形设计和总体参数优化设计的重要工具。本文结合NURBS的造型功能和解析函数曲线易于控制的特点，采用外形的控制方程和实体的具体表示各自独立的方法。在ACIS几何造型平台上建立了一套飞机外形的参数化设计模型。本文研究的参数化模型可以把原来飞机外形复杂的画图过程转化为飞机外形的自动化设计过程，从而提高飞机外形设计的可设计性和可计算性。在文中还深入研究了飞机外形的参数化模型在飞机概念设计中的作用和意义。分析了模型在飞机概念设计过程中的数据传递过程，说明本文研究的参数化模型可以进一步促进飞机概念设计中多学科优化设计方法的应用。     

一种宽频带模态识别算法的快速实现

多参考点最小二乘复频域法(p-LSCF)是近几年来提出的宽频带模态参数识别算法,该方法在抗干扰能力、识别密集模态以及处理大阻尼复杂结构方面具有非常好的特性。为了提高模态参数的识别速度,采用FFT运算实现了该识别方法的快速计算。最后通过仿真算例与实测算例进行验证。结果表明:在不损失精度的情况下,能够提高参数识别速度。     

轴向运动悬臂梁横向振动的磁力控制

研究了使用永磁铁对铁质轴向运动悬臂梁进行横向振动的主动控制;建立了自由端带有集中质量的轴向运动悬臂梁的振动理论模型,并通过振动实验进行了修正.通过理论分析和实验研究,得到了非接触磁力对铁质悬臂梁的作用规律,建立了使用非接触磁力进行横向振动控制方法.对上述控制方法进行了模拟计算和实际实验,结果表明,模拟计算与实验完全吻合,梁的振动得到了有效抑制.     

柔性翼微型飞行器水平阵风响应特性实验研究

设计研制了一种飞翼布局的柔性翼和刚性翼微型飞行器,并在风洞中研究了两种微型飞行器在定常风和水平阵风作用下的气动特性,给出了柔性翼和刚性翼微型飞行器气动特性的差别.研究结果表明:不论是在定常风情况下,还是在水平阵风环境下,柔性翼的气动特性要优于刚性翼结构,柔性翼具有延迟失速和缓和阵风影响的能力,有利于稳定飞行.PIV测量结果表明:由于柔性翼的变形使刚性翼和柔性翼翼面上的流态不同,从而使微型飞行器的气动特性发生改变.     

机身整体壁板在轴压载荷下后屈曲计算及结构优化

以民机机身组装壁板为基准,设计了等重量的整体壁板结构,并分别建立了两种壁板的有限元模型.通过组装壁板轴压试验结果与非线性、大变形的有限元计算结果比较,对有限元模型进行了验证,两者结果吻合很好.在此基础上,有限元计算分析得出了组装壁板与整体壁板在轴压载荷下的破坏形式与承载能力的差异.结果表明,整体壁板承载能力比现有的组装壁板承载能力提高了18.4%.最后基于有限元模型与二次响应面模型对整体壁板尺寸进行优化,优化后壁板轴压承载能力不变,结构重量减轻了8.7%, 故为整体壁板设计提供了很好的依据.     

运用激光全息术和PDPA测量喷射燃料粒子场

为了获得发动机燃料喷射雾化特性,运用PDPA和激光全息术对喷嘴的燃料雾化粒子场进行测量.简要介绍了两种测量方法的原理和应用条件,对两种方法的测量结果进行了对比,验证了激光全息术测量结果的精度.最后在风洞实验条件下进行了喷射燃料粒子场测量.     

采用TLC方法的超机动飞行控制系统设计

基于轨迹线性化控制(Trajectory linearization control,TLC)方法,研究了超机动飞机飞行控制系统的设计问题。首先简要介绍了TLC方法的设计思想;然后根据奇异摄动理论,将超机动飞行控制系统分成快慢两个回路,并为其分别设计了轨迹线性化控制器;最后分别用所设计的控制器和已有的动态逆控制器对某型歼击机进行了赫布斯特机动仿真。仿真结果和对比分析表明,所设计的TLC控制器是有效的,且比动态逆控制器具有更好的控制跟踪性能。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.