关于二维ADI-FDTD方法的数值色散分析

分析比较了目前关于交替方向隐式时域有限差分法(ADI-FDTD)数值色散关系研究的几种理论,指出了其中存在的一些不足.介绍了一种相对合理的数值色散关系式,并利用牛顿迭代法对其进行全面的分析,得出了相关的结论.     

通用型舰载支援飞机的模块化布局设计概念

简要介绍了模块和模块化的基本概念，依据模块化设计的基本思想和步骤对通用支援飞机进行了系统分解和模块划分，详细地描述了通用型舰载支援飞机从系统分解、通用要素提取、非典型要素处理到模块组合的设计思路，从总体角度设计了一种模块化布局的通用型舰载支援飞机，并建立起三维模型。     

陀螺稳定平台数字稳定电路硬件设计与实现

针对某型陀螺稳定平台目前仍然采用模拟稳定电路的问题，设计了陀螺稳定平台数字稳定硬件电路。数字稳定硬件电路采用DSP处理技术、24位高精度AD采集技术及H桥功率放大技术。实验结果表明，该电路能满足各种性能指标要求。该电路的实现为后续自适应控制理论、数字化及智能化控制技术应用于陀螺稳定平台奠定了硬件基础。     

行波管非线性失真和交调干扰分析及其软件实现

行波管功率放大器(TWTA)是卫星通信星载系统中重要的高功放元件,TWTA的非线性特性会使多载波信号产生交调成份,导致交调失真、邻道干扰,影响通信系统的性能。通过建立基于TWTA的AM-AM与AM-PM效应的非线性模型,采用V isual C 6.0,开发了可根据TWTA参数动态建立非线性模型并能对任意载波信号产生的交调干扰进行分析的软件,对实际应用具有一定价值。     

一种面向运载火箭自动对接的三维测量场构建方法

旋转激光自动经纬仪系统(R-LATs)是一种基于前方角度交汇的分布式大尺寸测量系统。各激光扫描基站的布局位置直接影响着测量区域内的测量精度和应用性能。从测量区域的测量不确定度量化着手,利用蒙特卡罗法获取各点的测量不确定度,以测量区域的最大不确定度作为主要优化目标,利用差分进化算法自动寻优,更简单有效地实现了面向运载火箭自动对接的R-LATs系统布站优化。最后进行了运载火箭对接测量场的实际应用验证。应用结果表明:该方法能有效优化激光扫描基站布局,提高系统测量精度,满足实际应用需求。     

带凹槽结构的涡轮泵平衡活塞工作特性分析

在涡轮泵中设计平衡活塞结构是用来平衡轴向力的重要方法之一,平衡活塞通过调节涡轮泵叶轮和壳体间隙的压力分布降低轴向力大小,而在平衡活塞内增设凹槽结构则可以更好地平衡轴向力、扩大平衡轴向力的工作范围。针对凹槽结构的工作特性研究问题,建立了带不同凹槽结构的平衡活塞后泄漏流道数值仿真模型,并根据仿真结果对平衡活塞后泄漏流道内的...     

Mg/Al合金对CMDB推进剂燃烧性能的影响

通过激光粒度仪分析了Mg/Al合金粉的粒径及粒度分布。利用TG-DSC热分析仪分析推进剂的热分解特性。用燃烧实验装置研究了推进剂的火焰结构,并对CMDB,Al-CMDB,Mg-CMDB和Mg/Al-CMDB推进剂四种火焰结构进行比较。用SEM和EDS研究了CMDB推进剂的熄火表面形貌和表面特征组成。结果表明:Mg/Al-CM-DB推进剂在DSC曲线上存在一放热峰660.3℃。Mg/Al合金粉改变了推进剂的燃烧状态,提高金属燃料Al粉的燃烧效率。     

RP-3航空煤油/正丁醇混合燃料燃烧机理构建及动力学分析

为探究大分子碳氢/小分子醇类燃料氧化机理,明晰航空煤油/生物质替代燃料的燃烧本质,构建并验证了包含173种组份、720步反应的RP-3航空煤油/正丁醇混合燃料反应机理,并对其在压力为0.1MPa、当量比为1.0、温度为1100,1300,1500K条件下进行了化学动力学模拟分析。结果表明：在低温条件下,正丁醇会延长混合燃料着火延迟期,30%的掺醇比使混合燃料着火延迟期延长了101.3μs;烷烃脱氢后的异构体以及裂解后的小分子基元团都随温度的升高而增多,正丁醇的添加对大分子异构化及裂解过程影响较小;温度的升高使除R1（H+O₂=O+OH）外的大部分反应的敏感性系数显著降低并保持在30%以内。而正丁醇的添加使消耗OH,HO₂等物质的反应的敏感性系数提高,也会影响小分子基元团的摩尔分数。     

变结构控制在两轮平衡小车中的应用

通过给出一种两轮平衡小车系统受非完整约束的动力学模型,基于此模型,利用变结构控制找出了滑模超平面,并设计出了该系统的调节控制律.经过Matlab/Simulink仿真,然后通过变结构控制器和状态反馈控制器的比较,得出此系统变结构的鲁棒性较好.进而通过实践验证,小车可控并可观,表明用该方法设计的控制器能够完成我们的预期目标.     

基于遗传规划和线性鉴别分析的故障特征提取模型及其应用

1引言航空发动机故障诊断需要从原始监测数据中获取合理的特征参数,如果依靠专家经验手工从众多的监测参数中选取特征参数,将是十分烦琐和低效的。因此,构造优质的特征参数是提高故障诊断效率及其准确性的关键。许多机器学习方法被应用到特征参数的自动选取中,例如神经网络[1],