高速电主轴热态特性的有限元分析

分析了高速电主轴中内装式电机的损耗发热和轴承的摩擦发热 ,研究了油 -水热交换冷却系统和油 -气润滑系统的散热特性 ,在此基础上建立了高速电主轴温度场的有限元分析模型 ,并用ANSYS有限元软件进行温度场的计算。最后提出了改进高速电主轴温度场分布的主要措施     

创新突破 展望未来——访中航工业北京赛福斯特技术有限公司总经理栾国红

<正>:北京赛福斯特技术有限公司作为中国搅拌摩擦焊技术先锋,在引领此项技术发展及相关产业发展方面做了哪些富有成效的工作?栾国红:赛福斯特公司成立以来,作为中国地区搅拌摩擦焊技术推广中心,致力于搅拌摩擦焊技术在中国的发展和推广应用,先后承担国家级及省部级科研项目数十项,研发方向覆盖了技术机理、产品工艺、新技术新方法、结构强度与可靠性、工程化应用以及型号产品应用等诸多方面,迄今发表学术论文     

椭圆形切扇修形对波瓣混合器掺混性能影响

在保证面积不变的情况下,选取不同的长轴、短轴,对波瓣混合器进行椭圆形切扇修形,研究切口深度与宽度对波瓣混合器掺混性能的影响规律。使用商用 CFD 软件对流场进行数值模拟。结果显示,对波瓣侧壁进行切扇处理会加强流向涡的强度,切扇越深,流向涡强度越大;切扇波瓣流向涡的耗散速率要大于基准波瓣混合器的流向涡耗散速率,预示着更为高效的掺混;引射系数与切口深度成正比,而总压恢复系数与切口深度成反比。考察了两种衡量热混合效率的模型并对其信度进行了比较,发现在 x =0.4 m 之前切扇可以提高热混合效率,而在 x =0.4 m 之后,基准波瓣混合器热混合效率要大于切扇波瓣混合器。     

高速飞行器热结构工作时变模态参数辨识

高速飞行器由于其很高的飞行速度而无可避免地受到气动加热作用的影响,进而引起结构特性的时变。采用理论或有限元方法(FEM)进行数值分析,难以获取反映结构在飞行(工作)状态下的真实模态参数。通过辨识获取高速飞行器热环境下的时变结构模态参数是一项十分具有挑战性的任务。针对此问题,引入参数化时频域的最大似然方法,对气动加热作用下的高速飞行器升力面结构的时变模态参数进行了辨识。通过模拟真实飞行状态的数值算例研究,说明参数化时频域的最大似然方法能够很好地辨识出低信噪比(SNR)情况下的模态频率和模态振型,验证了参数化时频域最大似然方法适用于具有显著时变特征的高速飞行器热结构的时变结构模态参数辨识,可为将来相关的工程研究和应用提供良好的理论支持。     

锡的物理机械性能及对晶体抛光质量的影响

研究了锡的物理机械性能对晶体抛光质量的影响，揭示了锡的硬度在２０－６０℃范围内具有明显的感温特性及不同的容纳磨料嵌入的能力．使用锡盘抛光时切向力较大．因此，当抛光条件变差时易产生抛光切向振动，破坏抛光质量及面型精度．     

如何在应用软件中实现财务数学公式自定义

本文实现了在开发具有数据校验功能的软件时,一种全新的数据校验方法,将传统的写在程序中的校验公式或利用手工进行检验数据的方式完全抛弃.该种方法具有配置灵活、维护简单和功能强大的特点,利用界面元素命名方法,内置校验公式到各个界面元素中,而公式是可以灵活维护的,一般是将公式存贮在数据库表中,在软件需校验数据时,从数据库表中读取公式,根据公式中涉及到的各种界面数据项进行自动的数据校验并得出校验结果.这对需大量数据校验和校验算法经常改变的软件是非常有用的.     

基于EEMD和BiLSTM的航班准点率预测研究

航班准点率问题是民航业最为关心的问题之一,准确地预测出航班的准点率能够有效降低航班延误所带来的不利影响、提高乘客满意度。为解决普通深度学习预测模型存在的航班准点率数据挖掘程度不足、预测准确度较低的问题,提出一种基于集合经验模态分解法(EEMD)和双向长短时记忆神经网络(BiLSTM)的机场短期航班准点率预测模型。模型使用EEMD算法将准点率时间序列进行分解,采用BiLSTM结构作为预测模型,使模型能够更深层、高效地处理航班准点率数据,提高预测准确度。实验数据为2018年上海虹桥机场航班准点率及天气数据,实验建立了多个参照模型与所提模型进行对比分析。结果表明：提出的EEMD-BiLSTM模型相较于一般模型预测误差更小,准确度更高。     

两种电主轴热态特性的比较分析

对电机中置式电主轴和电机后置式电主轴分别建立有限元模型,并对这两种电主轴进行了热态特性的比较分析。结果表明,后置式电主轴在温升和热变形方面有着电机中置式电主轴无可比拟的优势。     

一种无人机旋翼设计方法

为了提高多旋翼无人机的航时,本文提出了一种无人机旋翼设计方法.该方法根据给定的爬升速度、旋翼转速、拉力、旋翼直径、桨叶数、翼型,能够计算出最大力效旋翼的几何特性,包括弦长分布、桨叶角分布.利用该方法设计了某型无人机的旋翼,得到了桨叶角和弦长沿径向的分布.制作了旋翼模型,并且开展了旋翼台架试验.在不同转速下,测量出拉力、...     

基于MHSA和C- BiGRU的航班延误预测研究

针对普通神经网络预测人为因素造成的航班延误能力不足的问题,提出了一种基于多头自注意力机制和卷积双向门控循环单元的预测模型(MHSA-C-BiGRU)对航班延误问题进行研究。模型采用卷积双向门控循环单元(C-BiGRU)提取局部信息和上下游数据的时序信息,利用多头自注意力机制(MHSA)的并行能力从不同位置提取数据内部之间的特征,强化重要信息的权值,使模型聚焦到对当前任务更重要的信息,从而增强模型分析人为因素造成的航班延误的能力。研究使用2018年上海浦东机场的航班数据和气象数据。结果表明,预测模型相对于基础模型的预测准确率提高了4.4%,各项宏平均值有8%的提高,各项权重平均值有5%的提高。