涡轮高压导叶流场结构及损失分析

采用具有TVD性质有三阶精度Godumov格式，数值模拟了某型涡轮高压导叶流场，并对流场损失及涡系结构进行分析，结果表明由于强烈的径向流，使低能流体大量地迁移到下端壁，使得下端部的损失显著增大，从而引起了总损失的增加。因此在高压导叶设计中，当采用低展弦比叶片时，应注意削弱叶片出口附近流场的严重径向窜流。     

面向高速切削加工的数控编程技术

分析高速切削加工所具有的特殊性及优点,并说明高速切削对数控编程方法的限制.针对传统编程方法,提出了满足高速切削加工的刀位轨迹特殊处理关键技术,并对其实现方法进行了较详尽的论述.同时,对高速切削数控编程中刀具载荷分析与速率优化、毛坯残留量自动分析等新技术的实现方法也进行了探讨.     

湍流控制屏声学校准及校准精度影响因素

湍流控制屏（TCS）是航空发动机风扇噪声试验必备的试验设施。由于湍流控制屏的作用,风扇前传噪声向远场传播时会产生传递损失。通过对湍流控制屏的声学校准,可以获取湍流控制屏的声学修正量,从而实现对风扇前传噪声的修正。本文结合实际工程应用条件,分析了湍流控制屏重复安装的位置精度、校准声源重复性、稳定性、校准声源位置偏差、温湿度修正等因素对湍流控制屏声学修正量精度的影响;结合上述影响因素,对湍流控制屏160 Hz~40 kHz的声学修正量的特征进行分析,总结工程应用中湍流控制屏高精度声学校准的注意事项,提出湍流控制屏的声学校准应包含测量不确定度。     

面向安全属性的软件组件可信依赖关系度量模型

随着软件的应用规模越来越大,软件系统一旦出现故障,很可能会造成人员伤亡或财产等重大损失,因此对软件可信性进行评估尤为重要.在安全攸关如航空航天等领域,作为可信关键属性之一的安全性影响着整个软件系统的可信评估.特别当一个组件受到安全攻击或缺陷出现时,可信性会下降,会影响到与它可信关联的组件可信性,从而影响到整个系统的可信...     

基于Bass模型的非恒定影响标准扩散模型研究

在分析Bass模型及其局限性的基础上,构建非恒定影响条件下的标准扩散模型,并进行了有关讨论.最后结合中国互联网IPv4标准扩散的实例将该模型与经典Bass模型进行比较分析和研究,得到该模型更适合于对标准扩散研究的结论.     

遥感卫星扰振对TDICCD相机图像影响的仿真与分析

随着传输型遥感卫星结构的扩大化及灵活性的增强,对图像品质产生影响的扰振越来越受到重视。当遥感卫星在轨进行成像时,相机的图像品质会由于星上活动部件的运动的影响而下降。文章从调制传递函数（Modulation Transfen Function,MTF）角度出发,对不同工况下太阳翼转动驱动机构（BAPTA）和动量轮对图像品质的影响进行了仿真和评估。同时,针对高分辨率相机成像品质影响,从动力学仿真方面对星体扰振的幅值和频率进行了有限元分析,确定了扰振源的频率和幅值。最后,根据仿真分析结果,提出了星上扰振控制方案建议。     

基于自提取脉冲样本图的雷达信号快速提取法

针对电子侦察中截获的敌方雷达信号,估计敌方雷达参数、实现快速的雷达信号提取,对电子对抗决策有重要意义。基于脉冲样本图的描述方式,提出一种新算法,实现对截获的敌方雷达信号的快速识别。算法利用同种雷达信号脉冲之间的匹配相关性,通过脉冲的整体平移,在实现对脉冲样本图的自提取的同时,把用此脉冲样本图描述的雷达辐射源信号筛选出来。仿真分析表明该方法可以获得较高的成功率。     

微重力条件下固液相变过程空穴移动特性研究

为了解微重力条件下固液相变传热过程中空穴的移动特性,建立了一种基于温度排序算法的空穴模型,研究了空穴在不同初始位置的移动过程。结果表明,不同初始位置的空穴均沿着热流的反方向移动,在相同热边界条件下空穴的最终位置与初始位置无关。     

Variational Mode Decomposition for Rotating Machinery Condition Monitoring Using Vibration Signals

The failure of rotating machinery applications has major time and cost effects on the industry.Condition monitoring helps to ensure safe operation and also avoids losses.The signal processing method is essential for ensuring both the efficiency and accuracy of the monitoring process.Variational mode decomposition(VMD)is a signal processing method which decomposes a non-stationary signal into sets of variational mode functions(VMFs)adaptively and non-recursively.The VMD method offers improved performance for the condition monitoring of rotating machinery applications.However,determining an accurate number of modes for the VMD method is still considered an open research problem.Therefore,a selection method for determining the number of modes for VMD is proposed by taking advantage of the similarities in concept between the original signal and VMF.Simulated signal and online gearbox vibration signals have been used to validate the performance of the proposed method.The statistical parameters of the signals are extracted from the original signals,VMFs and intrinsic mode functions(IMFs)and have been fed into machine learning algorithms to validate the performance of the VMD method.The results show that the features extracted from VMD are both superior and accurate for the monitoring of rotating machinery.Hence the proposed method offers a new approach for the condition monitoring of rotating machinery applications.