某涡扇发动机加速过程仿真研究

对航空发动机控制系统进行仿真是航空发动机可靠性工程的研究方向之一.本研究针对发动机在加速过程中必须保证发动机不会发生喘振、不出现超温的情况,对加速过程进行了分析.采用部件法建立了分开排气的涡轮风扇发动机加速过程的稳态模型和动态模型.利用Matlab语言及其函数库编写了基于Newton-Raphson的稳态算法,并进行了稳态仿真,得出了高压转速、低压转速、推力等性能参数与供油量之间的关系.研究了迭代法,利用Matlab (Simulink)实现了涡扇发动机的动态仿真,给出了不同加速供油情况下的性能变化情况.最后对3种不同加速时间下的喘振裕度进行了分析,得出了不同加速时间对喘振的影响.     

双锥流量计流出系数特性的数值模拟与试验研究

提出了一种新型的差压式流量计——双锥流量计,利用Fluent仿真软件与实流实验相结合的方法,探索雷诺数、双锥直径比β对双锥流量计流出系数的影响规律。针对50mm管径,共加工了6个不同β值的双锥流量计。经过模拟计算,得到其流出系数与雷诺数有关,但在一定范围内趋于一个定值。此外,不同β值对流出系数的影响很小,在一定误差允许条件下可近似认为双锥流量计流出系数与β无关。进一步用实流实验验证了模拟结果的正确性,得到模拟计算的预测误差小于3％。     

Bezier曲线在生产设计中的应用

根据解析函数和Bezier曲线的相关性质,提出一种两者相互转化的新算法,既保证了曲线与实际的一致,又减少了计算的维数。     

对高校教学质量评估工作的思考

文章就我院目前教学质量评估工作中存在的问题进行了客观的分析，并提出了相应的应对之策。     

GPS频标比对系统的研制

应用GPS技术研制频标比对系统可对野外环境条件下的通信设备快速地进行时间频率校准.本文详细描述了系统中GPS频率标准源以及比相法、时差法频标比对单元的设计方案和软件设计思路,并给出了设计方案中关键技术解决的途径.该系统经校准完全能够满足要求,并在计量技术机构范围中得到应用.     

基于修正Rife算法的脉冲回波相参积累算法

针对目标径向运动导致回波在波门内出现距离走动的情况,提出了一种针对径向匀速运动目标回波信号长时间相参积累的方法。该方法根据傅里叶变换的时移性质——不同时刻回波频谱相关序列的频率包含了各回波到达的时间延迟,通过修正Rife算法估计此时间延迟,最终确定并补偿各个回波的距离走动分量。仿真结果表明:提出的方法可以有效补偿各回波间的距离走动;信噪比低至-6dB时,算法的性能即可达到最优;补偿后积累信号的信噪比可以达到理想积累情况下的93%。     

新型三维织物夹芯复合材料的制备及其力学性能

以玻璃纤维为原料,采用特殊的三维织造工艺,织制经向剖面为矩形的新型三维夹芯织物。以环氧树脂E-51、9055型固化剂组成树脂基体体系,采用手糊成型工艺将上述机织物复合制成三维织物夹芯复合材料。对高度为10、20及30 mm的三维织物夹芯复合材料的力学性能进行研究,重点分析夹芯层高度对材料压缩与弯曲性能的影响。结果表明:随着夹芯层高度的增加,材料的压缩强度与模量逐渐下降,弯曲强度逐渐上升,弯曲模量逐渐下降,其中纬向弯曲强度明显大于经向。     

无尾布局后体超声速航向增稳设计方法

针对无尾布局超声速航向静稳定性不足的问题,提出一种基于超声速压缩/膨胀流动的后体超声速航向气动增稳设计方法。首先通过无尾布局扁平后体和常规后体方案航向静稳定性和表面流场差异的对比,明确了后体超声速航向增稳设计思路。然后基于后体参数化外形分析了后体型面对于布局超声速航向静稳定性的影响规律。最后通过评估典型后体方案的综合气动特性验证了后体超声速航向增稳设计方法的可行性。研究表明：重心后侧向投影面积增量、后体脊线以及后体截面曲线是影响后体型面超声速航向增稳能力的3个主要参数。与常规后体型面相比,通过超声速航向增稳设计获得的后体型面能够在布局阻力变化不大的情况下,显著改善无尾布局在跨声速和超声速状态的航向静不稳定性。     

基于深度学习的翼型反设计方法

建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线。该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程。模型测试中,6 000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅67 s,预测的翼型曲线与CFD计算结果的平均相对误差为055%。对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能。结果表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率。     

基于粒子群核极限学习机的涡扇发动机加速过程模型辨识

针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识。试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013%,0.355%和1.055%,平均计算时间为0.04ms。精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制。