基于电子束电离的高超声速磁流体发电机

为了获得高超声速低温来流条件下基于电子束电离的磁流体发电机性能,采用三维低磁雷诺数磁流体动力学五方程模型和简化的电子束电离模型,对等截面分段法拉第型磁流体发电机内的流动进行数值模拟,研究了电离能量花费、磁场强度对发电通道性能的影响,得出了不同电离花费下电离所形成的电子数密度和电导率.研究结果表明,电子束电离低温来流能够产生足够的电导率,当负载系数保持为0.5时,电效率基本保持在0.5 ～0.6之间,电效率大小受磁场强度影响不大,电离能量花费Pion(MW/m3)为0.06,0.6,6,30,300时的电导率σ(S/m)分别为0.28,0.9,3,7,27.当电离能量花费为30MW/m3,能量提取率达到26％,电效率为66％,发电机性能接近最佳,对应的磁场强度为10T.     

三维可视化在装配车间现场中的应用

针对装配车间现场对于过程控制、物料追踪、数据采集、质量管理等方面的需求,本文通过深入分析离散型企业的装配流程,研究三维可视化在装配车间现场应用的关键技术,提出了基于轻量化三维模型的装配过程管理应用解决方案,并建立了基于装配任务的实例信息模型作为数据基础,应用基于事件驱动的装配过程作为控制手段。     

机翼三维结冰数值模拟

采用欧拉-拉格朗日法计算空气、水滴两相流动,根据质量守恒和能量守恒计算结冰量和溢流水量,溢流水的流动方向及不同方向的流量分配由当地空气的速度矢量、网格边界的法向量计算得到。采用非稳态方法、非结构网格计算了NACA0012平直翼、截面为GLC-305的后掠翼的结冰,并与文献中的实验结果进行了对比,结果显示最大结冰厚度与实验吻合较好,预测的冰形与实验冰形发展趋势一致。计算结果表明,提出的三维结冰计算方法是有效、可行的,为三维结冰计算提供了一条可选的途径。     

红外导引系统快速原型仿真中的场景生成技术

介绍了基于Vega视景引擎红外场景生成方法,并应用于基于RT—LAB快速原型平台空空导弹红外导引系统快速原型仿真。设计了空空导弹红外导引系统快速原型仿真框架,根据框架建立了弹目6自由度运动学／动力学、红外导引系统Simulink仿真模型及目标等三维几何模型,采用Vega传感器模块和粒子系统模块实现目标各部件温度和干扰弹的自定义设置,同时针对快速原型实时仿真的要求设计了高精度的帧频控制方法。将红外场景生成软件与某空空导弹快速原型仿真系统进行联合仿真进行验证,对空空导弹导引系统的研制与开发起到了重要作用。     

某型航空发动机一级高压涡轮叶片三维有限元振动特性分析

针对某型发动机高压涡轮叶片的一起断裂故障,运用三维有限元振动特性以及高温条件下的叶片振动有限元模型进行了分析,给出了高压转子叶片断裂后振动变化,得出了其发生断裂的性质与原因。     

基于GB/T 24734的三维自动标注

结合制造企业对三维CAD零件尺寸自动标注的需求,探讨了以国标GB/T 24734为依据的在CAD系统中实现三维尺寸自动标注的技术.设计并实现了三维自动标注的算法,详细阐述了其相关的技术.该算法涉及零件基准识别、特征简化、表面分组、垂向投影标注以及零件特征还原等一系列技术.其中,特征简化和还原主要涉及特征和草图级别的倒角、圆角及阵列操作.为了便于尺寸的布局和识别,采用了表面分组和垂向投影标注的方法来对零件进行分解.以CAXA实体设计软件为平台,实现了上述算法,开发了自动标注模块,并验证了算法的可行性.     

非均匀来流下三维激波反问题的微元密切轴对称解法

传统的密切轴对称理论被广泛应用于均匀来流下的三维密切曲面激波反设计，为解决非均匀来流条件下的三维曲面激波反问题，提出了一种微元密切轴对称流场（MOA）求解方法。该方法沿激波面的周向和流向构建一系列微元密切面，在每个微元面内进行三维向二维流动的等效转换，从而突破了传统密切方法中不能有横向波后流动的限制。利用该方法编写设计程序，分别基于带攻角来流条件和外锥型流来流条件重构了标准内锥曲面激波，并与数值仿真结果进行了比较。结果表明，非均匀来流下激波曲面的三维形状均与预设形状完全一致，实现了非均匀来流下曲面激波形状可控。MOA方法在吸气式高超声速推进领域中前体/进气道一体化设计方面有重要应用前景。     

无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题，提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯，并将其作为视觉测量的特征点，并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置，再将三维位置与特征点在图像中的成像位置相匹配，最后使用EpnP算法求解出无人机的位置和姿态。在实验部分，利用三轴移动平台和三维转台，分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明，位置解算误差在2%以下，姿态误差在8%左右。同时，该算法的处理时间在2 ms左右，该算法可以满足无人机对定位的实时性和精度的要求。