空中电场传感器

为了监测雷雨云下或云中电荷层的形成和演变,研制了一种空中电场传感器,它利用对金属定子采用交替屏蔽的原理来测量准稳态的大气电场。对仪器的工作原理,结构特点和技术指标作了较详细的介绍,并对该仪器的应用作了简短论述。     

基于深度学习的非定常周期性流动预测方法

为了克服传统CFD计算需要耗费大量的计算时间与成本的缺陷,提出了一种基于深度学习的非定常周期性流场的预测框架,可以实时生成给定状态的高可信度的流场结果。将条件生成对抗网络与卷积神经网络相结合,改进条件生成对抗网络对生成样本的约束方法,建立了基于深度学习策略采用改进的回归生成对抗网络模型,并与常规的条件生成对抗网络模型的预测结果进行对比。研究表明,基于改进的回归生成对抗网络的深度学习策略能准确预测出指定时刻的流场变量,且总时长比CFD数值模拟减少至少1个量级。     

基于疲劳累积损伤准则的随机结构动力可靠性灵敏度分析

基于疲劳累积损伤准则,对动力可靠性灵敏度在工程上的应用进行了初步性的研究和探讨。研究表明,利用有限元软件将随机振动谱分析技术、基于Miner准则的疲劳动力可靠性理论和与灵敏度分析方法结合起来,分析结构的随机输入参数对结构的动力可靠性灵敏度的方法是有效并且可行的,本文的研究结果可为工程中随机结构的动力可靠性灵敏度的设计和评估提供参考。     

关于单元表面吸收率的系统温度误差计算

利用系统灵敏度理论和系统误差统计理论,通过引入辐射传递系数和角系数间的关系,针对漫发射、漫反射热系统,提出了关于单元表面吸收率的系统温度误差计算方法。以立方体内表面间的辐射换热为例,采用该计算方法对系统温度误差进行了计算。通过分析比较表明:采用该方法得到系统温度灵敏度具有较高计算精度,系统统计温度误差受实验次数影响,并且在均方差较小的情况下,系统统计温度误差之比等于系统温度灵敏度之比的绝对值。     

航天用纳米流体流动与传热特性的实验研究

研究航天用纳米流体流动与传热特性。测量了不同粒子体积份额的航天用纳米流体雷诺数500~4000范围内的管内对流换热系数和摩擦阻力系数,详细讨论了雷诺数和纳米粒子体积份额对纳米流体对流换热系数和摩擦阻力系数的影响,分析了航天用纳米流体的强化传热性能。实验结果表明,在液体中添加纳米粒子增大了液体的管内对流换热系数,增加了液体的传热效果,粒子的体积份额是影响纳米流体对流换热系数的因素之一,在相同雷诺数条件下,纳米流体的对流换热系数随粒子体积份额的增加而增大。与原液体工质相比,航天用纳米流体的流动阻力系数稍有增大,纳米流体的流动阻力系数不随纳米粒子的体积份额而变化。与航天用纳米流体对流换热系数的增加相比,纳米流体流动阻力系数增大的程度极小,验证了纳米流体强化传热技术应用于航天器热控系统的可行性。     

用逐步扩阶双递推时域法识别线性振动系统复模态参数

本文给出了从线性振动系统的自由响应识别该系统复模态参数的方法,把自由响应的表达式变为一个自回归方程和一个多项式方程,利用最小二乘递推与逐步扩阶递推的双递推法来进行参数识别。文中讨论了几个应用中的问题,并给出了计算机的模拟计算结果以及越野汽车车架的参数识别试验结果。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展,智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记,因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法,为在轨航天器实时故障诊断提供了可行方法.首先,对航天...     

NF-3风洞尾支撑机构及其测控系统的研制

介绍了西北工业大学NF-3风洞模型实验用尾支撑系统的总体设计方案、测量和控制技术。描述了该机构的基本结构及其主要的技术指标，讨论了其中的技术难点及相应的解决办法。通过实验运行表明，该系统达到了设计指标，完全满足气动实验要求。     

纳米TiO2/Fe2O3复合材料的制备及其红外吸收性能研究

用溶胶-凝胶法制备了纳米TiO2／Fe2O3复合材料，并用XRD、TEM等方法对其进行了表征，给出了相关的工艺参数。研究了不同组分的纳米TiO2／Fe2O3的红外吸收特性。结果表明，纳米TiO2／Fe2O3复合材料在400cm^-1～1000cm^-1内随Fe2O3含量的增加，吸收峰明显宽化。     

基于深度学习驱动的L型定向热疏导机理

碳/碳（C/C）复合材料具有热导率大、比强度高、耐烧蚀和耐冲刷等优异特性,被广泛应用于飞行器的热防护系统中,其有效导热系数对于实际应用而言是重要的热物理性质,尽管可以通过有效介质理论、对热扩散方程直接求解和玻尔兹曼输运方程等传统方法计算C/C复合材料有效导热系数,但这些数值方法通常十分耗时。本文引入深度学习方法,将格子玻尔兹曼（LBM）的三维格子模型作为三维卷积神经网络（3D-CNN）微观结构,不仅解决了三维微观结构模型难以捕获的问题,还便于实现数值计算模型和CNN模型的同步简化,利用3D-CNN快速精准地预测三维三相C/C复合结构的有效导热系数,基于此对内置L型高导热碳纤维丝的定向热疏C/C复合结构的有效导热系数进行快速预测和研究。研究表明,CNN模型在LBM传热计算上表现出强大的学习能力,但在测试样本结构孔隙率过分超出训练集时预测误差将大幅增加,且当孔隙率变化范围从30%~35%变化到55%~60%时,CNN模型"内插"预测的相对误差较模型"外推"降低了0.93%~30.72%。在C/C复合结构中内置L型高导热碳纤维丝可以将高温区域的热量沿纤维方向定向疏导至低温区域。