电弧放电等离子体激励控制超声速压气机叶栅激波/边界层干扰仿真研究

为研究电弧放电等离子体激励对超声速压气机叶栅激波/边界层干扰的控制作用,建立了模拟等离子体激励作用效果的唯象学模型,进一步以ARL-SL19超声速叶栅为对象,通过数值仿真研究了电弧放电等离子体与叶栅通道内部流动的相互作用及其对叶栅流动损失的影响。结果表明:等离子体唯象学模型能够较好模拟电弧放电等离子体诱导产生冲击波的气动特性。电弧放电等离子体激励对叶栅通道内部流动主要具有三种作用效果:在放电区,注入的热量会产生阻塞效应,增加近壁面气流的流动损失;在激波/边界层相互作用区,能够改变激波系结构,减小激波损失;在尾迹区,冲击波会诱导产生脱落涡。     

平板上有叶片绕流的源项模型

将源项模型应用于叶片涡流发生器的数值模拟中, 以叶片在当地流场中产生的升力作为源项一个分量原型, 并引入了法向力作为源项另一个分量原型.该源项由叶片的形状、大小、位置以及来流条件等参数决定.在数值模拟中, 叶片位于平板上, 其高度约为当地边界层厚度的1/5.在相同计算条件下, 对"升力-法向力"源项模型计算结果和全网格计算结果及实验数据进行比较.源项模型可以得到与全网格数值模拟基本一致的诱导速度场和涡量场, 而网格量减少了65%.      

粒子分离器涡流叶片鸟撞击损伤试验

研究粒子分离器涡流叶片受鸟撞击损伤规律,提高粒子分离器抗外物损伤设计能力.通过外物冲击损伤试验方法,研究了模拟鸟撞击粒子分离器涡流叶片的过程.采用瞬态响应测试系统,获得了模拟鸟撞击涡流叶片的应变-时间历程.对采集到的曲线和数据进行了分析.利用三坐标测量仪,测得撞击前后涡流叶片叶型;经过比较计算,得到了涡流叶片的变形.模拟鸟以Ma=0.2速度撞击涡流叶片时,涡流叶片产生了塑性应变,变形很大.      

低温微磨料气射流加工PDMS传热仿真及实验研究

由于在常温下聚二甲基硅氧烷（Polydimethylsiloxane,PDMS）是一种高弹性材料而非硬脆材料,此时利用微磨料气射流对其进行加工,加工效率很低,甚至为零,而且还会有大量的磨料颗粒嵌入PDMS表面中。当PDMS冷却不完全,即处于高弹态和玻璃态之间的过渡状态时,利用低温微磨料气射流加工PDMS仍然会发生很严重的磨料嵌入现象,致使加工效果较差。针对这一问题,本文利用ANSYS Fluent软件对PDMS进行传热仿真分析来获得PDMS内部温度的变化情况,从而能够计算得到在PDMS深度方向上的冷却速率,同时利用与传热仿真分析过程中完全相同的工艺参数在PDMS表面上加工微孔,计算出在PDMS深度方向上的最大平均冲蚀加工速率,最终发现冷却速率远大于冲蚀加工速率。根据传热仿真的分析结果,通过开展单因素实验探究进给速度v、加工距离D、冲蚀角度α以及加工压强p对PDMS加工性能的影响规律,为后续进行更深入的研究提供重要参考依据。     

多胞局域共振型超材料的减振实验研究

弹性波/声波超材料具有许多超常力学性质,为航空、航天和船舶等领域的装备减振降噪提供了新途径。本文介绍多胞局域共振型超材料的减振实验研究。该研究基于局域共振元胞的频散分析、波动传递率分析和周期结构的振动响应计算,讨论了超材料在带隙频率区内外的波动传播。设计制造了具有低频带隙的轻质周期性局域共振超材料构型,并用于空间桁架结构的振动抑制实验。实验结果表明,在15～45 Hz的带隙频率区间,多胞超材料减振装置可使振动传递率降低30 dB以上,展现出良好的减振效果。     

基于惯性传感器的免对准动作的人体上肢运动捕捉方法

基于惯性传感器的人体运动捕捉系统,通常在进行运动捕捉前需要执行特定的标准动作来完成对准,以获得IMU坐标系相对肢体坐标系的姿态。运动受限用户（如偏瘫患者）无法完成一些标准动作,而运动正常用户,也不能保证均能正确执行标准动作,从而导致人体运动捕捉误差。为了克服现有方法的不足,本文研究了一种基于惯性传感器的免对准动作的人体上肢运动捕捉方法,该方法无需执行特定对准动作,佩戴IMU后即可直接进行运动捕捉。通过与“T-Pose”静态对准方案比较,验证了免对准动作方法的有效性,并且基于OpenGL的虚拟人体模型进行了上肢运动捕捉实验。实验表明,所提出的方法简便有效,在无须执行标准对准动作的情况下仍具有较好的人体运动捕捉效果,适合偏瘫患者等行动受限的用户使用。     

放宽纵向静稳定度飞机的平尾面积收益分析方法

 从飞机配平角度出发,讨论了飞机的平尾面积和重心后移量对飞机纵向气动导数的单一和综合影响,推导出了平尾面积与重心后移量之间的数学关系,提出了一种新的分析和计算相结合的方法来快速分析放宽纵向静稳定度飞机的平尾面积收益,并应用该方法分析了放宽伊尔-76飞机纵向静稳定度的平尾面积-收益。     

低背鳍对细长平板三角翼大迎角空气动力的影响

 对细长体平板三角翼和加上两个不同高度背鳍后的组合体在低速风洞进行了六分量天平测力实验,三角翼后掠角82.5°,背鳍当地高度与模型当地半展长比值分别为0.3和0.6,实验迎角范围12°～32°,包括1.66×10.6和2.33×10.6两个雷诺数。实验结果表明：0°侧滑角下,在翼面上发生旋涡破裂前,单独细长平板三角翼的横向力及横向力矩在实验迎角范围内始终为零;加上两个不同高度的低背鳍后,在一定的迎角下,三角翼的横向力及横向力矩开始不为零,流场定常;在更大的迎角下,流场变得非定常。实验结果初步验证了前人关于细长锥体分离涡的稳定性理论,并给出了旋涡失稳后,随着迎角的增大,流场进一步发展的状态。     

Research on Feature Extraction of Remnant Particles of Aerospace Relays

The existence of remnant particles, which significantly reduce the reliability of relays, is a serious problem for aerospace relays. The traditional method for detecting remnant particles—particle impact noise detection (PIND)—can be used merely to detect the existence of the particle; it is not able to provide any information about the particles’ material. However, information on the material of the particles is very helpful for analyzing the causes of remnants. By analyzing the output acoustic signals from a PIND tester, this paper proposes three feature extraction methods: unit energy average pulse durative time, shape parameter of signal power spectral density (PSD), and pulse linear predictive coding coefficient sequence. These methods allow identified remnants to be classified into four categories based on their material. Furthermore, we prove the validity of this new method by processing PIND signals from actual tests.     

A Polynomial Prediction Filter Method for Estimating Multisensor Dynamically Varying Biases

The estimation of the sensor measurement biases in a multisensor system is vital for the sensor data fusion. A solution is provided for the estimation of dynamically varying multiple sensor biases without any knowledge of the dynamic bias model pa- rameters. It is shown that the sensor bias pseudomeasurement can be dynamically obtained via a parity vector. This is accom- plished by multiplying the sensor uncalibrated measurement equations by a projection matrix so that the measured variable is eliminated from the equations. Once the state equations of the dynamically varying sensor biases are modeled by a polynomial prediction filter, the dynamically varying multisensor biases can be obtained by Kalman filter. Simulation results validate that the proposed method can estimate the constant biases and dynamic biases of multisensors and outperforms the methods reported in literature.