倾转四旋翼UAV过渡状态下旋翼/机身气动干扰数值分析

通过数值模拟的方法对十字构型倾转四旋翼UAV在倾转过渡状态下前旋翼/机身/后旋翼间的气动干扰进行了计算与分析。分别建立了孤立前旋翼、前后旋翼、前旋翼-机身、前后旋翼-机身组合时的计算模型。在不同旋翼倾转角下,研究了以上组合模型对前旋翼、后旋翼以及机身的气动力和力矩的影响并分析了相互间的气动干扰情况,得出了前旋翼是整机气动干扰影响的主导因素,揭示了旋翼/机身间气动干扰形成的原因,为该构型旋翼布置与控制系统的设计提供参考。     

保险阀导向杆断裂故障分析及结构改进

应用疲劳寿命理论计算、有限元静/动强度分析及故障件失效分析等方法,对保险阀导向杆断裂问题进行机理分析,结果表明：保险阀导向杆断裂故障为导向杆设计动强度不足,导致导向杆双向弯曲应力集中区疲劳断裂。依据分析结果对保险阀结构进行了改进,改进结构的分析及试验结果,验证了改进措施有效,同时也证明了分析方法的正确性和可靠性。分析方法对结构件动强度及疲劳寿命分析具有一定的参考价值。     

基于AMEsim的运载火箭保险阀系统性能可靠性分析

在论述分析保险阀性能可靠性重要性的基础上,运用商业仿真软件AMEsim建立了运载火箭保险阀的仿真模型。根据此仿真模型,提出了保险阀的性能可靠性分析模型,并运用响应面法计算了保险阀的性能系统可靠性指标,最后分析了随机变量均值的相对变化对性能可靠性指标的影响。     

曲面构件水浸超声检测缺陷定量研究

受曲界面影响,超声波在曲面构件中传播时声束聚焦、散射特性增强,声能量出现汇聚与分散现象,造成缺陷定量困难。针对试块对比法等传统手段检测成本高及适应性较弱的问题,研究了基于超声测量模型的曲面构件缺陷定量方法。以脉冲激励方式下的超声波多元高斯声束模型和缺陷散射模型为基础,建立了曲面构件水浸超声测量模型,并对凸、凹两种曲面试块内的缺陷回波进行了模型有效性验证。以平底孔缺陷为例,基于该模型建立了曲面构件缺陷定量表征曲线,通过仿真研究了声束在曲面构件中的聚焦和散射特性,分析了相对缺陷波高随曲率半径、缺陷深度和缺陷尺寸的变化规律,并通过预测相对缺陷波高进行缺陷定量。以钢制曲面试块水浸超声检测为例进行了缺陷定量应用实验,模型预测与实验结果比较,相对缺陷波高预测误差小于1.2dB,缺陷大小定量误差不大于8.7%,表明这种方法可行,为曲面构件水浸超声检测时的缺陷定量提供了一种简便有效的途径。     

高超声速风洞扩压器试验研究与分析

扩压器是高超声速风洞的关键部件,主要作用是提高出口气流的静压。在某高超声速风洞扩压器上布点测量壁面静压和近壁面皮托压力,并在出口布置尖劈测量出口气流参数,评估扩压器的性能。结果表明：扩压器内的核心流区由于存在逐步衰减的激波-膨胀波系,使气流出现“减速-加速-再减速-再加速”的流动过程;该扩压器能保证风洞正常启动以及试验段流场不受背压的影响;该扩压器的效率与国外类似风洞扩压器效率相当,前室总压较低时,扩压器能起到良好的减速增压的效果,前室总压较高时,扩压器增压效果不明显,扩压器出口气流马赫数偏高。     

故障安全设计在国内外同步轨道卫星中的应用

故障安全设计是确保同步轨道卫星长寿命、高可靠运行的关键因素之一.本文首先对国外具有代表性的同步轨道卫星故障安全设计进行了详细的调研;然后简要描述了国内同步轨道卫星故障安全设计的特点,提出了自己的看法;最后综合国内外调研状况,对未来中国同步轨道卫星故障安全设计提出了建议和意见,以期为中国同步轨道卫星故障安全设计提供有益的借鉴,切实提高中国同步轨道卫星的可靠性.     

国外可重复使用运载器发展现状和趋势

<正>可重复使用运载器是指能够穿越大气层进入太空,自由地往返于地球与太空之间,具有重复使用性,并能够按照需要较长时间地在空间轨道停留或机动,执行卫星发射、在轨服务等各种类型的任务,既可军用也可民用的多用途航天器。它代表着未来运载器的发展方向,拓展了航天运输系统的概念内涵,其在大幅降低进入空间成本的同时,还具有安全性、可靠性和响应性等方面的优势。人类发展航天运输系统的梦想目标之一,就是研制出能像飞机那样水平起飞和降落,并可多次重复使用的航天运载器。为此,世界各国均不同程度地投入经费,开展了可重复使用运载器研究。     

在轨空间机器人参数辨识研究

文章以在轨自由漂浮空间机器人为研究对象,建立了基于空间算子代数的空间机器人运动学模型,研究了机器人本体和所抓取未知目标卫星的参数辨识问题,如本体和未知目标的质心、质量以及惯量张量等参数。首先基于空间算子代数理论建立空间机器人运动学符号模型;然后基于线动量及角动量守恒方程即可对空间机器人本体和未知目标卫星进行未知参数的辨识;随后分析了机器人的参数对辨识过程的影响以及参数辨识对控制规律的影响。在地面实验室中验证了本参数识别方法的可行性以及效果。     

基于小波神经网络的航空刀具磨损状态识别

针对航空零件的加工特点,采集刀具在不同磨损状态下的声发射(AE,Acoustic Emission)信号,对AE信号进行时频分析和小波变换,运用快速傅里叶变换(FFT, Fast Fourier Transform)以及db8小波5层分解,提取AE信号幅值的均方根和主能量频段的能量作为特征向量,对特征向量进行归一化处理后作为输入向量对小波神经网络进行训练.小波神经网络运用参数调整算法,在权值和阈值的修正中加入动量项.测试结果表明:AE信号对刀具磨损敏感的频率范围在10~150kHz,网络实际输出与期望结果的误差小于0.03,该方法能够对刀具不同磨损状态进行正确的识别.