XDTM法制备TiCp/ZA-12复合材料

采用XD^TM法制备TiCp／ZA一12复合材料。组织观察表明：TiCp原位自生，在基体中均匀分布，没有颗粒的偏聚和宏观、微观偏析存在；自生的TiCp多呈近球形，其表面光滑圆整，没有棱角和尖角；与基体合金的界面结合较为紧密，无反应产物存在。拉伸试验表明：复合材料具有较高的抗拉强度和屈服强度。     

含C60的RDX-CMDB推进剂性能研究

通过燃速、爆热、活化能和温度分布等参数的测试和计算，发现C(60)能显著提高推进剂的火焰温度和燃烧表面温度，降低压强指数，使平台区范围变宽且向高压方向移动，推进剂的爆热也提高约10％。此外从反应机理上提出C(60)-Pbx络合物的催化作用，改善了RDX－CMDB推进剂燃烧性能；富集物（含10％C(60)的烟炱）中C(60)主要以分子状态存在，因此它能把C(60)均匀分散到推进剂中，而且保持C(60)化学活性，比纯C(60)的催化效果更好。     

1998年4月下旬至5月上旬地磁暴的日地事件认证

综合运用SOHO／LASCO、SOHO／EIT关于CME的观测结果和WIND飞船关于太阳风的观测记录，识别了1998年4月下旬至5月上旬发生的磁暴的CME源，分析了与5月初强磁暴群相联系的日地事件。结果表明，所用日地扰动事件关系认证的方法是可行的，本文就上述日地事件所涉及的磁暴群与活动区的关系、CME地磁效应的日面东西不对称性以及磁云与高速流的作用等问题进行了讨论。     

固体火箭发动机喷焰对微波的衰减

本文从电磁波在等离子体中的传播特性出发,得到了微波衰减的近似公式,详细讨论了K、Na杂质及Al粉含量等因素对微波衰减的影响,从理论上分析了减轻衰减的各种途径,对研究少烟的复合固体推进剂有一定的实用意义。     

含铝推进剂的燃烧效率

为获得火箭顶级发动机所用推进剂的最优性能,本文就40种低燃速含铝推进剂配方的组分含量变化对其燃烧效率的影响进行了评价.所试验的推进剂由高氯酸铵、铝粉、环四甲撑四硝铵(HMX)和端羟基聚丁二烯组成.依据实验所得的铝凝聚尺寸、燃速和比冲数据可知,当燃速增加时,燃烧效率有增加的倾向;在低 L条件下,当铝凝聚尺寸减小时,比冲效率增加;铝凝聚的程度取决于口袋结构的特性,当口袋中的铝含量及铝与细 AP 质量比下降时,铝凝聚尺寸减小;口袋容积变小时,使用粗 HMX 具有减小铝凝聚尺寸的作用;HMX 的尺寸对燃速没有影响。     

地球弓激波的三维模拟

利用磁流体动力学(MHD)全球模拟结果,根据弓激波的跃变特性确定出弓激波位置,建立了一个新的综合考虑了快磁声马赫数、太阳风动压、行星际磁场强度以及磁层顶曲率半径的弓激波三维位型模型.将新模型与以往模型的模拟结果进行比较发现,新的弓激波全球模型结果可靠,解决了部分现有模型不能描述弓激波三维位型的问题.研究结果表明,在行星际磁场北向时,随着快磁声马赫数的增大,弓激波日下点距离减小,但是在行星际磁场南向时,快磁声马赫数的变化对弓激波日下点距离影响不大;弓激波位型在赤道面与子午面上存在明显的不对称性,而且随着行星际磁场的转向,这种非对称性也会发生相应改变;行星际磁场南向,B_z值较小时,子午面内弓激波位型已经不是简单的抛物线,出现了明显的类似于极尖区磁层顶的凹陷变化区.      

基于径向基神经网络的气动热预测代理模型

为快速获取高超声速飞行器表面热流数据并缩短飞行器气动热设计周期,提出了一种基于径向基神经网络的气动热快速预测代理模型方法。首先,在飞行器表面每一个离散化的网格节点单独构造一种正则化的径向基神经网络。随后,通过训练集对所有网络同时进行训练,获得各自网络的连接权值。最后,所有网格节点的神经网络协同预测飞行器表面不同位置的热流。对NASA火星实验室的椭圆钝化高超声速飞行器的应用表明,所提出的代理模型方法在模型训练完成后能够快速进行飞行器表面热流预测,并且模型具有良好的泛化能力,在驻点及迎风大面积区域热流预测结果与数值模拟的偏差在10%以内。     

背景太阳风数值模拟的熵守恒格式

背景太阳风研究是根据行星际扰动传播情况预测空间天气状况的基础,磁流体（MHD）模拟是背景太阳风研究的重要手段.采用一种新的数值计算方式,利用Ideal GLM-MHD将计算过程中产生的磁场散度以c_h的速度向计算区域外传播,从而消去磁场散度;重构部分使用受约束的最小二乘法,将磁场散度作为约束条件添加到重构中,进一步对重构后的磁场梯度进行修正;通量计算采用满足热力学第二定律的熵守恒格式,该格式能够确保在计算过程中熵不增,保证数值稳定.研究结果表明,该方法应用于太阳风数值模拟的求解得到了更加稳定的结果.      

基于HMM-SVM的混合故障诊断模型及应用

针对直升机减速器故障诊断中机器学习方法存在的问题,根据隐马尔可夫模型(HMM)适合于处理连续动态信号与支持向量机(SVM)适合于模式分类的长处,提出了基于HMM-SVM的混合故障诊断模型。先通过小波包分析方法从减速箱振动信号中有效提取非平稳特征,训练HMM-SVM模型,再利用训练好的模型进行监测与诊断,实验结果表明该方法优于单纯的HMM或SVM诊断方法,能利用少量训练样本有效地完成直升机减速器的故障诊断。