合成气注氮燃烧室的数值模拟与实验研究

以开发高性能燃气轮机合成气燃烧室技术为背景,针对从火焰筒头部喷射N2降低NOx引起空气分配畸变、影响燃烧稳定的问题,提出了从火焰筒中部喷射N2的中间稀释方案。利用三维数值模拟和化学反应网络模型(CRN)方法对两种方案进行了比较,随后对中间稀释方案进行了更深入的数值研究,并进行了实验验证。结果表明:中间稀释方案能够在降低NOx排放(25ppmvd@15%O2)的同时有效缓解头部空气分配畸变的问题,增强了燃烧稳定性,并使进一步增加N2喷射量、实现更低NOx排放(10ppmvd@15%O2)成为可能。     

高升力与失速特性缓和的翼型设计研究

为了探索适用于长航时飞行器的翼型设计思想、方法和技术,进行了新型高升力及失速特性缓和的BUAA-K1/BUAA-K2翼型的设计研究.风洞实验结果表明,与配置著名GAW-1/GAW-2翼型的机翼比较,配置BUAA-K1/BUAA-K2翼型的机翼最大升力系数和最大航时因子分别提高了15%和25%,并且实现了同时具有高升力和失速特性缓和的气动特性.     

电子干扰条件下反舰导弹突防概率计算

根据电子干扰在水面舰艇编队防御中的应用,给出了电子干扰条件下反舰导弹突防概率模型,并结合仿真,分析了电子干扰对反舰导弹突防能力的影响。     

基于Pro/E和ANSYS的齿轮接触应力的有限元分析

为了避免因齿轮折断、齿面损伤及塑性变形等因素引发的生产事故,有必要对齿轮接触状态的强度性能进行分析和评估。基于Pro/E平台,通过参数化方法建立齿轮模型,用IGES文件格式将模型导入ANSYS软件中,用有限元方法对齿轮节点处的接触应力进行了分析,进而精确分析了齿轮结构强度和可靠性。     

计算机图形系统发展简述

飞机座舱显示控制系统是航空电子系统的核心子系统,其技术基础之一是计算机图形学。本文简要介绍了计算机图形学的发展历史及其标准,重点分析了计算机图形系统从专业图形工作站到PC机到嵌入式设备的发展历程,可作为研究机载嵌入式图形系统的理论背景。     

新型蒸发燃油喷射装置的雾化和蒸发性能

为了研究满足燃烧室雾化要求的雾化方式,设计了采用侧喷和逆喷供油方式的两种蒸发管,并对其分别进行了雾化和蒸发率两方面的实验。实验测试了蒸发管在出口不同轴向距离的雾化效果以及不同外界温度下蒸发管的蒸发性能,分析了影响蒸发管雾化和蒸发的影响因素。实验结果表明,新型侧喷、逆喷蒸发管均能较好的完成燃油雾化要求。     

考虑多监测指标不确定性的滑油状态综合评估方法

针对不同油液指标信息的多样性导致油液状态评估结果存在不确定性的问题,基于模糊证据理论方法提出了1 种考虑 油液特征不确定的综合状态评估方法。应用模糊证据理论对油液多指标信息推理导致的不确定性结论进行多指标融合,进而应用 模糊推理算法实现油液状态量化表征,建立了滑油衰变趋势分析模型,并通过实验室环境下的滑油监测数据进行油液状态评估以 验证方法的有效性。结果表明：该方法对监测指标变化趋势矛盾的滑油状态评估有较好的效果,准确性和一致性均高于90%。     

新概念飞行器的姿态复合控制

研究了大气层内质量矩与直接力复合控制飞行器的姿态控制问题.在建立飞行器数学模型的基础上,基于质量矩控制与直接力控制的各自优势,提出了质量矩与直接力复合控制色行器的姿态控制策略.在此基础上应用动态逆理论,根据系统变量的特点将状态变量进行时标分离,形成快慢两回路,设计了飞行器的姿态控制规律.仿真结果表明,该方法能够有效实现飞行器的姿态控制.     

基于自适应动态逆的高超声速飞行器姿态复合控制

考虑高超声速飞行器再入过程中存在气动舵低效的问题,提出了质量矩/气动舵复合控制方式,研究了这两类执行机构的复合控制分配问题,并针对高超声速飞行器强非线性和不确定性的对象特性,基于神经网络方法设计了自适应动态逆姿态控制系统。首先给出了质量块配置原则以及质量矩/气动舵复合控制模型;其次,为获得良好的控制分配精度并保证较小的执行机构能耗,基于二次规划方法设计了质量矩/气动舵复合控制分配策略;再次,利用神经网络权值的自适应调整来逼近系统中存在的不确定性,补偿动态逆误差,设计了基于神经网络的自适应动态逆控制器。最后,通过仿真验证了文中控制分配策略和自适应动态逆方法的有效性。     

带渐消因子的Quadrature卡尔曼滤波

为了解决无源传感器机动目标跟踪系统非线性较强、传统的跟踪滤波方法不稳定容易发散的缺陷,提出了一种带渐消因子的QKF（FQKF）算法。该算法通过引入时变渐消因子来实时调整状态预测误差协方差阵、量测预测误差协方差阵及状态预测误差和量测预测误差之间的互协方差阵,利用公式推导得出渐消因子实际上是对状态传播积分点和量测传播积分点进行渐消,进而达到实时调整滤波器增益矩阵的目的。并通过算法的机理分析和仿真实验表明FQKF算法具有强跟踪滤波器（STF）的优良性能,能够克服QKF算法的缺陷,对于无源传感器机动目标跟踪中系统的突变状态具有较强的跟踪能力,较QKF算法稳定性有所提高,并且计算量适中。