一种减少失速保护虚警率的混合滤波方法

针对飞机失速保护设计过程中易出现虚警的情况,提出一种基于FIR和传统滤波器相结合的混合滤波方法。结合飞机本体的运动特征,对参与失速保护逻辑运算的两个重要参数,即侧向加速度和迎角信号进行频率分析,基于信号的特征设计混合滤波器,然后采用Simulink滤波工具箱设计滤波器对信号进行滤波处理。仿真结果表明该方法能够减少虚警率的发生,特别是大背景噪声下的虚警率能够得到较好抑制,验证了滤波器设计正确性,从而提高失速保护功能对适航条款符合性。该滤波器设计方法,不但可以有效解决本文提到的问题,对于其他涉及信号处理的系统设计同样具有借鉴意义。     

民用飞机燃油箱点燃防护设计研究

通过研究燃油箱点燃防护适航要求的发展历程,基于对最新适航条款要求的分析和理解及燃油箱点燃防护机理分析,归纳总结了适用于民用飞机燃油箱点燃防护的设计措施,包括点火源防护、减少燃油蒸气和加装惰化系统,为民用飞机燃油箱点燃防护设计和适航验证提供借鉴和参考。     

浅谈基于IPDT的民用飞机重量控制技术

在民机研制过程中,有效地实施重量控制对于项目的成功非常关键。飞机超重不仅会导致设计和运营成本的增加,也将无法实现既定的商载和航程等设计指标。从各部门与重量控制工作的联系出发,结合某型民用飞机的设计实践,介绍了产品联合研发团队(IPDT)模式下重量控制的工作内容、工作流程和常用的减重方法,为民机的重量控制工作提供借鉴和参考。     

Specific grinding energy and surface roughness of nanoparticle jet minimum quantity lubrication in grinding

Nanoparticles with the anti-wear and friction reducing features were applied as cooling lubricant in the grinding fluid. Dry grinding, flood grinding, minimal quantity of lubrication（MQL）, and nanoparticle jet MQL were used in the grinding experiments. The specific grinding energy of dry grinding, flood grinding and MQL were 84, 29.8, 45.5 J/mm³, respectively. The specific grinding energy significantly decreased to 32.7 J/mm³ in nanoparticle MQL. Compared with dry grinding, the surface roughness values of flood grinding, MQL, and nanoparticle jet MQL were significantly reduced with the surface topography profile values reduced by 11%, 2.5%, and 10%,respectively, and the ten point height of microcosmic unflatness values reduced by 1.5%, 0.5%,and 1.3%, respectively. These results verified the satisfactory lubrication effects of nanoparticle MQL. MoS₂, carbon nanotube（CNT）, and ZrO₂ nanoparticles were also added in the grinding fluid of nanoparticle jet MQL to analyze their grinding surface lubrication effects. The specific grinding energy of MoS₂ nanoparticle was only 32.7 J/mm³, which was 8.22% and 10.39% lower than those of the other two nanoparticles. Moreover, the surface roughness of workpiece was also smaller with MoS₂ nanoparticle, which indicated its remarkable lubrication effects. Furthermore,the role of MoS₂ particles in the grinding surface lubrication at different nanoparticle volume concentrations was analyzed. MoS₂ volume concentrations of 1%, 2%, and 3% were used.Experimental results revealed that the specific grinding energy and the workpiece surface roughness initially increased and then decreased as MoS₂ nanoparticle volume concentration increased.Satisfactory grinding surface lubrication effects were obtained with 2% MoS₂ nanoparticle volume concentration.     

基于DDES的有／无舱门腔体气动噪声仿真分析

采用延迟分离涡仿真（ DDES）的方法研究了空腔和带有舱门的腔体的气动噪声特性。仿真在自由来流M＝0．85下,长宽深比值为5：1：1的矩形开放腔体展开。空腔仿真的声压级幅值结果与试验数据相比误差在4％以内,频率位置的预测较好。 DDES方法对于气动噪声问题具有很好的仿真准确性。空腔仿真结果和带有舱门的结果对比后表明,舱门迫使剪切层气流更多的撞击后壁进入腔体内部,使腔体内部尤其是中部压强波动增大,声压级在低频部分增量显著,达到了5 dB左右。     

二元双喉道射流推力矢量喷管流动参数影响的数值研究

采用数值模拟方法研究了不同流动参数对二元双喉道射流推力矢量喷管(Dual-throat fluidic Thrust-vectoring Nozzle,DTN)内流特性和推力矢量控制效果的影响。结果表明,DTN在非推力矢量情况下,NPR在3~4范围时,推力系数较大,达到0.968,而流量系数较小,仅为0.93;NPR再增大,推力系数迅速下降。在推力矢量情况下,落压比一定时,随着次流流量比的增加,推力矢量角增加,而流量系数、推力系数、推力矢量效率减小;次流流量比一定时,随着落压比的增加,推力矢量角减小,系统推力系数先增加后减小,流量系数略微增加。     

结构隔绝内-外空间的流-热-固耦合仿真应用

为验证和指导高速飞行器的防隔热设计,准确地模拟气动热产生的热量穿透防隔热材料进而影响舱内温度空间分布和时间变化的过程,研究了一种同时求解机体外流场及气动热、机体结构传热及舱内流场温度场仿真计算方法,其中的传热方式包括热传导、热对流及热辐射。采用两套计算模型、两种求解器、一个数据交换文件的计算结构,构建了一种针对流场-热-结构的多场耦合分析方法,实现了对固体隔绝内外流场温度动态变化问题的仿真分析。最后通过计算实例验证了整套计算方法,得到的飞行器舱内温度变化特性能够用于指导高速飞行器的防隔热设计。     

小展弦比飞翼标模雷诺数影响数值模拟研究

采用数值模拟方法开展小展弦比飞翼标模的雷诺数影响研究。使用自行研制的多块对接结构网格亚跨超声速流场解算器程序Mbflow,计算了试验雷诺数、二倍试验雷诺数和飞行雷诺数等三种雷诺数情况下小展弦比飞翼标模的流场。通过对计算结果的分析研究,得到了不同马赫数(Ma=0.2、0.8和1.5)和攻角情况下雷诺数对小展弦比飞翼标模的气动特性和流场特征的影响规律。小攻角情况下,雷诺数主要影响摩阻的大小;而大攻角时,雷诺数对压阻也有明显影响。在亚声速时,雷诺数主要影响分离涡的起始位置和强度;跨声速和超声速时,雷诺数还会影响到激波的位置和强度。进一步研究了小展弦比飞翼标模的自准区雷诺数问题,发现试验雷诺数接近于小展弦比飞翼标模的自准区雷诺数。     

内压缩段构型对高超声速进气道自起动性能的影响

为了探寻内压缩段构型对高超声速进气道自起动性能的影响,对二元高超声速进气道折角型和曲线型两种内压缩段的自起动过程进行准定常数值仿真研究.对比了这两种构型进气道在不同唇罩起始压缩角下的自起动性能和自起动过程中分离区的变化规律,并分析了内通道压缩强度沿程分布对进气道自起动性能的影响.研究表明:①即使进气道内收缩段的内收缩比相同,不同的内压缩段构型和唇罩起始压缩角对高超声速进气道的自起动性能影响显著,曲线型内压缩段构型的自起动性能明显优于折角型;②内压缩段的总压缩强度及其沿流向分布都是影响高超声速进气道自起动性能的关键因素,并且压缩强度沿流向分布决定着进气道在自起动过程中处于临界状态下主分离包所停留的位置.      

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。