利用锥形内孔装药发动机和燃速辨识方法确定推进剂的基本燃速

通过锥形内初装药发动机试验的压力-时间曲线,利用燃速辨识方法获得了高低两个压强范围装药的基本燃速表达式,比较了考虑c~*、k随燃烧室压强P变化和不考虑其变化所得的基本燃速表达式及其对内弹道予示的影响.结果证明,用本方法获得的燃速比燃速仪获得的燃速高5～8%,预示的内弹道曲线也与发动机实测曲线基本吻合.     

亚音速扩压器性能计算

 一、组合法 用Bower的方法计算具有附着和分离紊流附面层的轴对称和二元亚音速扩压器的有关性能参数时,如分离区较大,则与试验数据相比误差较大。而按联合积分法（UIM法）计算具有分离区的扩压器的有关性能参数,则有较大的优点。其基本点和Bower的方法相同,即将附面层方程和无粘核心流方程联立求解。但对分离区的处理比Bower的方法较为合理,它直接采用修正的Coles壁面-尾流定律的速度分布关系式,将附面层动量积分方程中的壁面摩擦系数与速度分布关系式中的摩擦速度联系起来，而不采用对分离区不适用的壁面摩擦系数经验公式，并考虑了附面层外部区域的非平衡流情况。但该方法没有考虑气流压缩性，计算高亚音速扩压器时误差较大。     

小波插值在机载超宽带合成孔径雷达成像中的应用

 通过解方程构造一组424 整数小波,利用整数小波的尺度函数作为插值基函数, 进行波数域算法的Stolt 插值,整个插值过程中只有加法和移位运算,便于硬件实现。仿真计算验证了快速算法的有效性。     

碰摩转子的弯曲和扭转振动分析

建立了一个新型多自由度的转子动静碰摩模型。应用该模型 ,重点研究了动、静碰摩引起的转子弯曲和扭转非线性耦合振动。大量的数值计算表明 ,不同碰摩情况下转子具有不同的弯曲和扭转振动响应。转静碰摩激起转子扭转自振频率振动。提出了从转子扭转振动的变化来诊断转静碰摩故障的方法 ,并探讨了此方法的可行性和有效性。     

用需求弹性确定广告、产品价格竞争策略的研究

运用需求函数、价格需求弹性理论，分析了广告投入不变时的最优产品价格策略；运用广告需求弹性理论，分析了产品价格、广告水平同时变化时的最优策略。定量地得出了利润增幅最大化时的产品价格调整幅度及利润增幅最大化时广告投入的调整幅度。     

机器人的自适应混合控制

考虑了当机器人动力学模型中含有未知参数时,机器人适从运动的混合控制器设计问题。对于一个机械臂手端与刚性环境发生光滑接触的约束运动类型,设计出了一个自适应控制器。     

磷酸盐浓度对航空用7050铝合金微弧氧化膜层组织和性能的影响

在磷酸盐体系下对航空用7050铝合金进行微弧氧化(MAO)处理,主要是用扫描电镜、金相显微系统、膜层测厚仪、维氏硬度计、粗糙度仪、磨耗试验机和盐雾腐蚀箱等手段研究了不同的Na3PO4浓度对航空用7050铝合金微弧氧化膜层形貌、截面形貌、厚度、硬度、粗糙度、耐磨性和耐蚀性的影响.结果表明,随着微弧氧化反应的进行,受到电压变化影响,试样表面的弧光从银白色转为橘黄色;不同Na3PO4浓度下制得的MAO膜层均呈现出"火山口"喷射状形貌,随着Na3PO4浓度的增加,膜层的硬度先升后降,磨耗比先降后升,厚度、表面粗糙度持续增大,当Na3PO4浓度为14 g·L-1时,MAO膜层获得最佳综合性能.     

一种新型无机耐烧蚀复合材料固化机理的研究

在特定温度下，采用一定比例的氢氧化铝和磷酸合成出磷酸铝基体，对玻璃纤维或织物处理后，采用手糊工艺（固化温度低于220℃）制备了新型耐烧蚀复合材料——织物增强磷酸铝基复合材料。借助XRD和TG—DTA等测试技术，详细研究了材料的固化机理，发现材料可采用加热固化和常温固化。其热固化机理为：在加热时，酸式磷酸铝脱水形成聚合状的磷酸铝，然后转变为线型聚磷酸铝或环状偏磷酸铝；常温固化机理为：在常温下，酸式磷酸铝与活性适中的固化剂反应而获得强度。     

涡轮叶栅端壁二次流动与换热的V2F模拟

针对低展弦比涡轮叶栅端壁区亚声速流动及换热,采用基于线性涡黏假设的V2F模型开展了数值模拟.结果表明：涡轮叶栅流动中存在马蹄涡、通道涡、压力侧角涡、吸力侧角涡等多种复杂涡系结构,其中马蹄涡与通道涡是涡轮叶栅二次损失的主要来源.端壁换热与马蹄涡及通道涡强度及位置直接相关,并呈现明显的分区特征.端壁极限流线结果显示,V2F模型模拟的端壁单马蹄涡分离线与实验结果吻合,优于SST （shear stress transport）k-ω模型模拟的端壁双马蹄涡分离线.V2F模型引入了新的湍流尺度,在马蹄涡及通道涡位置、端壁静压损失系数分布、叶栅出口总压损失分布及端壁Standon数分布等方面均与实验结果吻合较好,对叶栅气动损失及端壁换热有良好的预测能力.     

基于深度学习的PIV流场图像修复技术

粒子图像测速技术（PIV）是空天动力装置研究中常用的流场测试方法。但对具有复杂流动特征的燃烧室,通过传统互相关算法处理得到的流场结果往往具有一定缺陷。本文将深度学习应用于PIV后处理中,以实现流场数据的异常检测和修复。在甲烷预混对冲火焰数据集上,将异常划分为两种类型,并搭建U-Net卷积神经网络架构。经过训练和优化,模型以较高置信水平识别两类异常并使用不同策略自适应修复,过滤噪声并保留原始正常数据。同时模型具有较好的可迁移性,可以为其它种类的流场数据修复提供参考。与POD迭代法和中值滤波相比,神经网络强大的非线性特征具有明显的优势,这种方法不仅修复率高,而且在不同工况下鲁棒性好。