超高强度钢30CrMnSiNi2A的氢脆敏感性试验

采用延迟破坏、测氢含量、扫描电镜分析及冲击拉伸试验等方法,研究了超高强度钢30CrMnSiNi2A的氢脆敏感性。试验结果表明,30CrMnSiNi2A钢在甲醇或丙酮裂解气氛中保护加热油淬有明显氢脆现象,但只要及时回火,氢脆基本消除,性能达到合格。试验结果为生产提供了实验依据。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

基于MC145152-2芯片的频率合成器的设计

主要介绍了频率合成芯片MC145152—2的主要特征、功能以及工作原理。运用MC145152—2芯片设计1800MHz频率合成器电路,从器件选取、参数分析、硬件电路构成等方面介绍了1800MHz频率合成器电路,试验测试中验证电路具有较低的相位噪声和较高的频率稳定度,与传统的频率合成器电路相比,性能有了很大的提高。     

一类二阶三点边值问题解的存在性

运用上下解方法,研究了一类二阶混合非线性边值条件的三点边值问题,通过构造了适当的非线性辅助函数工得到了解存在的充分条件,推广和改进了某些已知的结果。     

涡扇发动机早期退化性能的线性变参数估计

针对涡扇发动机线性变参数(Linear parameter varying,LPV)模型,给出了一种新的早期退化航空发动机部件性能LPV滤波器设计方法.该方法采用仿射依赖于参数的二次Lyapunov函数,在仿射二次稳定性的基础上,引入多凸性引理将滤波器求解问题转化为线性矩阵不等式(Linear matrix inequalities,LMI)约束下的凸优化问题,避免了求解参数化线性矩阵不等式(Parameterized linear matrix inequalities,PLMI)约束下的优化问题.针对某型早期退化涡扇发动机的仿真表明,该方法能以较高精度估计性能退化参数,且鲁棒性强,增益调度简单,具有一定的工程意义.      

航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

实时精确跟踪瞄准中振动抑制的研究

分析了卫星平台振动,建立了实时精确跟踪瞄准系统的数学模型.采用基于模糊规则的免疫PID控制器,包括决定应答速度的激活环节和决定稳定效果的抑制环节,抑制环节由模糊规则来逼近,通过遗传算法的寻优特性对控制器的参数进行设定,协调控制偏转镜的位置,从而改变视轴方向.最后,对系统扰动抑制性能进行仿真,仿真结果表明该控制律有效地实现了视轴的方向调整,并且提高了系统的动态响应品质.      

高超声速飞行器后体喷管三维构型设计

为研究高超声速飞行器后体喷管三维构型的设计,以NASA半壁喷管试验为参考,进行了二维及三维内外流相互作用的数值模拟计算,分析了后体喷管三维流场的特点.从高超声速飞行器机身推进一体化的角度,构建了后体喷管三维构型,进行了不同构型设计对后体喷管性能影响的参数研究.结果表明:后体喷管的三维效应不可忽视,后体喷管侧壁的存在及下壁面长度对性能影响较大.      

一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.      

两车速度对超车过程轿车气动特性的影响

利用动网格技术对超车过程中两种相对速度下车辆周围非定常流场进行了数值模拟,得到超车车辆和被超车辆受到的侧向力、侧倾力矩和横摆力矩在超车过程中的变化情况,并根据两种速度情况下的流场特性,分析其对气动力特性的影响.计算结果表明:超车速度越大,被超车辆最大侧向力、侧倾力矩和横摆力矩越大;超车车辆最大侧向力、侧倾力矩越大,横摆力矩越小.