以目标机场为初始目的地备降场的二次放行

对二次放行飞行计划时能否以最终目标机场做初始目标机场的备降场等问题进行了讨论,通过理论分析和实际计算证明:以最终目标机场做初始目标机场的备降场的二次放行,一般不能增加业载,而且会使业载减少.当以最终目标机场做初始目标机场的备降场时,如果在二次放行点的剩余油量少于正常情况的再次放行所需油量,但满足做无备降场的二次放行的油量和气象条件的要求,可以由二次放行点再次放行到最终目标机场.     

Si3N4陶瓷二次部分瞬间液相连接模型

在Si3N4陶瓷PTLP连接的基础上,提出了Si3N4陶瓷二次PTLP连接中间层设计的一般规律为Ti Cu X(X为Ni,Pt,Au,Pd等),X与Cu在固相和液相均是完全互溶的;分析了陶瓷二次PTLP连接过程并建立了连接模型,阐述了利用该模型选择连接参数的方法。     

后射导弹对空战对策及航空技术影响研究

以“二车对策”为数学模型，采用从定性微分对策理论发展来的“GR区”法，研究了装备有前向发射和后向发射两种空空导弹的战斗机与只装备了前向空空导弹的战斗机之间的一对一空战，并进行了数值仿真，仿真结果表明，前者比后者明显占有优势，最后，分析了后射空空导弹对航空技术的影响。     

绕任意轴旋转的管道流动和换热特性研究

当管道绕任意轴旋转时，管道内的轴向速度分布发生改变，截面上产生二次流动，管道的对流换热特性将引起变化。本文对绕任意轴旋转的管道流动与换热进行了数值模拟，研究结果表明：绕任意轴旋转管道内的对流换热特性主要由Re（雷诺数），Ro(Rossby数），Pr（普朗特数）数，和α（旋转轴与管道轴线的夹角）四个参数决定。文中分析了在不同情况下流场结构与摩擦系数比以及温度场与管道Nu数比率随Re数和Ro数的变化规律，为工程实际应用提供了理论依据。     

基于分形的BP网络水下目标识别

主要讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号的时间域波形的基础上,应用随机分形理论,给出基于分形 Brown 运动的回波信号分形特征矢量提取的理论和方法;提取了回波信号的分形特征矢量;进而给出了基于 BP 网络的分类计算方法。计算结果表明,提出的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

端壁翼刀控制压气机叶栅二次流的数值研究

对CDA常规直叶栅和4种端壁翼刀方案下叶栅内三维粘性流场进行了数值研究。分析表明,端壁不同位置上的翼刀不同程度上都阻断了近端壁区域压力面至吸力面的二次流动,翼刀上方偏向吸力面侧有反向"翼刀涡"产生,通道涡的强度被削弱;距压力面30%节距位置为安装端壁翼刀的最佳位置,可使损失降低7%～9%。计算结果和实验结果吻合较好。      

基于系统混沌指数的航空发动机状态监测

从混沌理论、分形学的角度研究了航空发动机失稳工作,计算了发动机失稳过程系统混沌特征量的变化.采用小波降噪对压气机压力数据作预处理,重构了系统相空间,改进了关联积分的计算方法,在此基础上采用滑动窗口方法计算了发动机失稳过程中系统李雅普诺夫指数、关联维数的变化.计算结果显示,发动机失稳过程中系统的混沌指数有显著的改变,系统进入失稳状态李雅普诺夫指数增大0.19,而关联维数则减小0.45,表明混沌指数可用于发动机系统的状态监控,亦为发动机失稳运动的特性研究提供了新思路.      

基于LC理论和概率神经网络的损伤识别

本文提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,选取FS-TARMA(函数基时变自回归移动平均)时间序列模型应用于一种随机振动信号中,这种振动信号在时变系统中用来估计TAR/TMA参数和创新方差。基于一种特征值分解技术,被估计的TAR/TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs(潜在成分)。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。将这种新方法用于三自由度时变系统中进行评估,根据质量和弹簧刚度的降低来模拟不同级别的损伤。这种方法能够找出系统参数的时变性质和质量及刚度变化引起的损伤级别。结果表明:使用这种方法,与其他的非降维和普通的特征提取方法相比,识别的成功率有相当大的提高。     

解密发动机的矢量喷管

就如同矢量发动机不能与矢量喷管划等号一样,二维喷管、三维喷管也不可以和矢量喷管混为一谈。无论是二维喷管,还是三维喷管,只有设置了专门的喷口偏转装置才能实现喷流(推力)的换向,也才可以被称之为矢量喷管,即演变成二维矢量喷管和三维矢量喷管。三维矢量喷管的类型和特点从主要的使用功能上分,三维矢量喷管大致可划分为两大类:     

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。