多重网格法求解火焰稳定器钝头体管流问题

多重网格法是近年发展起来的一种软加速方法,用多重网格法可明显地加快数值计算的收敛速度,且网格越密其加速效果越明显。应用多重网格法求解有钝头体的火焰稳定器管内流动问题,计算结果与试验结果比较,吻合较好。     

材料非线性对复合材料层板损伤的影响

根据Hahn-Tsai非线性应力应变关系,用有限元方法对受拉伸载荷作用的含孔复合材料层板损伤演变进行了模拟计算,由非线性有限元方法得到的应力、应变以及最终载荷与以往线性分析方法得到的结果比较表明:考虑材料非线性可以提高计算精度;参数研究表明非线性系数的变化对正交各向异性板的影响较大,而对准各向同性板的影响较少.     

高精度差分求解气动方程的几个问题

本文探讨了发展高精度格式的必要性，研究了高精度格式与网格以及熵增条件的关系，并发展一种半离散化的空间为三阶精度的格式。从此半离散化的格式出发，可建立多步显式格式及隐式格式。模型问题的计算表明，该三阶精度的格式具有好的精度，且激波附近基本上没有波动。     

压电复合材料壁板颤振的控制

针对考虑热效应的壁板颤振问题,利用von Karman大变形应变-位移关系、气动力活塞理论和准定常热应力理论建立了埋入压电材料的复合材料板颤振的气动弹性力学模型,使用Bogner-Fox-Schmit单元推导出壁板颤振的非线性有限元方程.将该动力学方程转换到状态空间模型,给出了基于这个非线性模型的最优控制.应用Runge-Kutta方法在时域内对一个四边简支的含压电材料的复合材料壁板颤振的控制进行了仿真,数值结果证明了该方法的有效性.     

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略,引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。      

“嫦娥三号”探测器月尘环境分析及试验要求

"嫦娥三号"是我国首个成功实施地外天体表面就位探测的航天器,在其研制过程中充分考虑了月面环境对探测器的影响,开展了针对性设计及地面验证工作。文章综述了探测器针对月尘环境方面的设计因素,总结了月面月尘激扬的因素及其相关数值分析工作,对月尘验证试验的设计及条件制定进行了说明。相关结果或工作思路可为后续月面探测器及火星表面探测器的研制提供参考。     

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

三角形机翼参数化有限元网格划分与调整方法

为缩短有限元建模周期,提高三角形机翼结构分析、设计与优化的效率疲,首先,以其满足预定气动性能的几何外形为输入,定义了易用的有限元节点与单元的编号规则;基于可设计的机翼内部构型参数及可变的有限元尺寸参数的设置,引入了翼肋贯穿截止准则以满足任意输入的内部构型的初步判断;借助自定义形状矩阵完成了节点布置与单元生成,进一步通过有限元网格细化完成了开口设置、翼肋贯穿位置修正及桁条建模.然后,基于已建立的有限元网格实现了内外侧副翼翼肋位置的小幅调整及旋转舵面的角度调整,以满足不同飞行状态下结构分析需求.最后,应用PCL语言开发了参数化建模模块,实例表明了方法的有效性和模块可靠性.      

压电自适应桁架结构主动控制模型及实验

为提高结构对外部环境的抗干扰能力,构造了压电柔性自适应桁架结构,并对其主动控制进行了研究.由传感器、作动器与柔性梁组成压电自适应桁架结构.基于自适应结构的机电耦合理论,在测量位移的情况下,采用改进的二次积分力反馈控制方法研究了空间压电柔性自适应桁架结构的振动主动控制问题.建立了压电柔性自适应桁架结构主动控制实验系统,并对这类自适应结构进行了实时计算机振动主动控制实验研究.实验研究表明柔性自适应桁架结构能够改善结构的动力学特性,对外界的干扰具有良好的自适应性.     

PREDICTION OF SURFACE ROUGHNESS FOR END MILLING TITANIUM ALLOY USING MODIFIED PARTICLE SWARM OPTIMIZATION LS-SVM

It is difficult to construct the prediction model for titanium alloy through analyzing the formation mecha- nism of surface roughness due to the complicated relation between influential factors and surface roughness. A no- vel algorithm based on the modified particle swarm optimization （PSO） least square support vector machine （LS- SVM） is proposed to predict the roughness of the end milling titanium alloys. According to Taguchi method and features in milling titanium alloys, the influences of cutting speed, feed rate and axial depth of cut on surface roughness are investigated with the analysis of variance （ANOVA） of the experimental data. The research results show that the construction speed of the modified PSO LS-SVM model is two orders of magnitude faster than that of back propagation（BP） model. Moreover, the prediction accuracy is about one order of magnitude higher than that of BP model. The modified PSO LS-SVM prediction model can explain the influences of cutting speed, feed rate and axial depth of cut on the surface roughness of titanium alloys. Either a higher cutting speed, a lower feed rate or a smaller axial depth of cut can lead to the decrease of surface roughness.