周向槽机匣对轴流压气机转子畸变响应特性的影响

基于给定的进气周向总压畸变谱,应用全三维数值计算方法,研究了周向槽处理机匣对NWPU-1轴流压气机转子容畸变特性的影响,初步揭示了其在进气周向总压畸变条件下的失速机理。结果表明,在均匀进气条件下,周向槽处理机匣对叶尖间隙泄漏涡形成和发展的抑制是其扩稳的主要原因;在进气周向总压畸变条件下,该轴流压气机转子失速的主要原因是畸变引起的攻角变化,造成部分叶片的负荷过重,由于周向槽处理机匣的作用主要在叶尖部分,所以并不能有效的扩大该压气机转子的稳定工作范围。     

滤波器自适应滑模控制器在自平衡小车中的应用

在传统趋近律滑模控制器基础上采用一种改进的滑模控制器--自适应滑模控制器,同时针对小车运动时真实倾斜角速度不易测量,而倾角传感器测得的角速度满足不了要求,为此设计了广义卡尔曼滤波器来在线估计非线性系统的状态,有效抑制了系统噪声干扰,消弱了抖振,应用在自平衡小车上,验证了控制器的有效性.     

FLUENT软件的二次开发及其在火箭气动计算中的应用

针对火箭设计过程中的气动特性计算,在计算流体力学软件FLUENT的基础上进行二次开发,从后台启动FLUENT进程,生成参数文件,采用批处理功能自动控制计算过程,减少用户工作量,极大地提高了设计效率。以两种不同的火箭构型为例,计算了在攻角α=4,°Ma=0.4,0.6,0.8,1.0,1.2,2.0,4.0,6.0状态下的气动特性。给出了火箭升力系数、压心系数和阻力系数随马赫数的变化规律。计算结果与实验数据吻合良好,精度满足设计要求,计算的气动数据可以为火箭的初步设计提供参考和依据。     

基于SOM网络的军事供应链绩效评估

根据平衡记分卡原理确定了影响军事供应链绩效的6个关键因素,继而建立了具有聚类功能的自组织映射SOM(Self-Organization Feature Map)网络模型.模型以调研得到的各个因素优劣评分组成的向量为输入向量,经过SOM网络把24个样本向量分为了优、良、中和一般4类,建立了评估标准.最后进行了评估应用,与...     

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。     

复合材料层合板低速冲击响应的有限元分析

针对低速冲击作用下的复合材料层合板,采用冲击接触定律、失效准则和材料性能退化技术,建立了冲击的三维有限元模型。利用所建的模型对层合板的冲击过程进行分析,并将有限元分析结果和试验结果进行了比较,验证了本文所建模型的正确性,同时分析了层合板在不同冲击速度时的响应。     

一种缩短碳氢燃料-空气混合物点火延迟的方法

采用激波风洞-激波管组合设备对预混的碳氢燃料——空气混合物的点火与超声速燃烧进行了研究。为缩短碳氢燃料-空气混合物的点火延迟时间，通过激波风洞喷管入口与接触面之间的激波反射对经过雾化与气化的碳氢燃料(汽油)进行预热；此外，由燃烧驱动激波管产生的高温燃气作为引导火焰点燃激波风洞产生的预混与预热的超声速碳氢燃料——空气混合物。采用纹影系统对超声速可燃气流中的火焰传播进行流场显示。实验结果表明，上述方法可将碳氢燃料——空气混合物的点火延迟时间缩短至小于0.2ms，同时还得出了火焰相对于超声速可燃气流的传播速度。     

基于多智能体强化学习的轨道追逃博弈方法

针对空间轨道博弈过程中的集群卫星和非合作目标追逃博弈情形下的动力学模型复杂、非合作目标机动信息未知,以及卫星间难以有效协调等问题,提出一种基于多智能体深度强化学习算法的集群卫星空间轨道追逃博弈方法.首先通过对博弈场景进行建模,在考虑最短时间、最优燃料以及碰撞规避的情形下进行奖励函数的塑造和改进,利用深度强化学习方法中的...     

宽直线连接的处理方法

宽直线广泛应用于工程制图、PCB板图绘制等方面,宽直线的效果直接影响着最终输出图形的质量。宽直线的生成涉及许多问题[1],线接头是宽直线生成过程中必须要处理的问题之一,通过使用本文所介绍的两种方法,能有效解决宽直线圆连接和斜切连接的问题,并能获得所希望的效果。     

卫星遥测数据短时CEEMDAN-PSO-ELM预测模型

针对卫星遥测数据变化类型众多而导致传统预测模型难以准确预测的问题,提出一种基于自适应噪声完整集成经验模态分解(CEEMDAN)-粒子群(PSO)-极限学习机(ELM)的组合预测模型。首先对遥测序列进行CEEMDAN分解,以降低序列的非线性;然后利用PSO对ELM预测模型的输入权值和隐含层偏差进行优化;最后利用PSO-ELM预测模型分别预测分解后的序列,依次相加得到最终预测结果。将其应用在某在轨卫星实测数据中,与传统的预测模型比较。结果表明:该方法在平均绝对误差、平均绝对百分误差、均方根误差、标准均方误差指标上均最小,在曲线拐点处与真实数据最为接近。证明该模型能实现准确预测的功能。