3种转角下旋转U形方通道的局部换热

在旋转数为0~0.26内用实验方法研究了转角对旋转U形方截面通道换热特性的影响.3种通道转角分别为0°,22.5°,45°.通道转角的变化引起了通道内哥氏力二次流的变化,继而导致通道各表面换热的变化.结果表明:随通道转角的增大,前缘与后缘之间努塞尔数的差异减小,而内侧面与外侧面之间的努塞尔数差异增大;在低旋转数下,转角的变化对U形通道换热的影响较小,但高旋转数下,转角的变化对U形通道换热的影响变得明显.      

使用复小波包的MIMO-OFDM无线系统

为了在频率选择性信道中提供高速数据业务, 提出了一种新的多入多出-正交频分复用系统MIMO-OFDM(Multi-Input Multi-Output -Orthogonal Frequency Division Multiplexing).该系统使用复小波包变换CWPT(Complex Wavelet Packet Transform)来实现OFDM,而不是使用传统的快速傅立叶变换FFT(Fast Fourier Transform).由于复小波包函数具有很好的特性,通过对有2个用户的MIMO-OFDM系统进行仿真的结果表明,基于CWPT的MIMO-OFDM系统性能要比使用传统的FFT的MIMO-OFDM 系统好,但是复杂度略高.      

激波碰撞干扰流动非定常效应的数值研究

将AUSM+上风格式应用于数值模拟半球绕流激波碰撞干扰的流动中,揭示了该流动在定常来流条件下的非定常本质.分析弓形激波后超音速"喷流"的流动结构及其非定常效应的形成机制,提出一种新的激波碰撞干扰流动的非定常形成机理.      

GALILEO/SINS组合导航系统研究

GALILEO是新一代的全球卫星定位系统。文章根据GALILEO系统的特点,有针对性地研究了GALILEO/捷联惯导(SINS)伪距组合导航模式。分析并建立了GALI LEO的误差方程,并以此为基础,给出了GALILEO/SINS伪距组合导航系统的误差模型和相应的卡尔曼滤波方程。为了有效验证设计的组合导航系统的有效性,在仿真过程中采用了协方差分析法,对组合导航系统性能进行了仿真研究。仿真结果表明GALILEO/SINS伪距组合导航系统能够有效的提高导航精度,随着GALILEO的不断完善,该系统将具有很大的应用前景。     

带60°肋U型通道中气膜孔对通道换热特性的影响

以航空发动机涡轮叶片中段内部冷却通道为研究对象,将其简化为带肋变截面U型通道。对通道内有气膜出流时的换热特性进行了实验研究。实验模型中,矩形肋对称布置在上下2个表面,气膜孔仅布置在第2通道内。文中定义了气膜开孔率的概念,采用单元分析法研究了气膜开孔率和出流比对通道内单元努塞数分布和第2通道压力分布的影响。实验结果表明,气膜出流比一定时,随着开孔率的增加,换热增强;在两肋之间的3个气膜孔中,肋后孔对通道换热影响最大;气膜出流比与通道努塞数的关系为二次曲线。      

高超声速乘波飞行器气动实验研究

以绕楔高超声速流场为基础，用流线追踪法生成了一种高超声速飞行器气动概念构形、初步探索了高超声速飞行器机身/推进系统一体化气动构形设计方法，开展了高超声速测压实验，结果表明：该类构形飞行器在高超声速飞行时，可以产生较高的升阻比，前体的预压缩效果明显，是以吸气式冲压发动机动力的有效途的飞行器构形。     

基于线性均方估计的数据融合理论

提出数据的统一线性融合模型，使测量数据、先验信息和预测信息均用数据的统一融合模型进行描述；提出数据的信息量的概念，指出信息量越大的数据，精度越高；提出和证明了基于统一线性融合模型的数据最优融合定理和信息量分解定理；揭示数据线性融合的本质规律。基于数据融合理论，研究多传感器系统联合Kalman滤波，指出信息量分享系数取值的不同只能够影响对应子系统状态的估计精度，不能够改变全局估计精度，得出与文献[11～15]相反的结论。     

英文商标命名的取向性及其翻译

商标不同于普通词汇,作为商品的个性化标志,它是区别商品的重要标识之一。本文从英文商标词本身的特点出发,分析了英文商标命名的具体取向性原则,并从取向性的角度进一步探讨了英文商标的翻译方法。     

傅里叶变换成像光谱仪CCD像元响应非均匀性校正

根据一般成像系统CCD像元响应非均匀性校正的原理与算法,通过对星载可见光干涉成像光谱仪CCD像元响应非均匀性校正的相对辐射定标原理及所获定标数据的深入分析,研究出了一种适于对可见光及红外干涉成像光谱仪系统CCD像元响应非均匀性进行校正的方法,有效解决了干涉成像光谱仪系统探测器阵列非均匀性校正这一工程技术难题,它对今后该方面的科研和技术工作具有积极的指导意义。     

疲劳S-N曲线拟合的双加权最小二乘法

为充分利用疲劳试验数据,获得较高精度的S-N曲线,本文提出一种融合成组疲劳试验数据和疲劳强度试验数据拟合S-N曲线的双加权最小二乘法。该方法充分考虑了疲劳试验方法、疲劳试验数据分散性和试验件样本容量对S-N曲线的影响。它首先考虑试验样本容量对试验结果分散性的影响,对S-N曲线进行第一次加权拟合。然后分别考虑疲劳寿命和疲劳强度的分散性以及试验件的数目的影响进行第二次加权拟合,从而得到材料或构件的S-N曲线。本文进行了大量的S-N曲线的统计分析,结果表明拟合得到的S-N曲线具有较高的精度和可信度。