组合抽吸对跨音速压气机稳定性影响分析

为研究组合抽吸对跨音速压气机稳定性的作用,以NAsARotor35为研究对象,应用数值模拟手段深入分析了不同抽吸方案对该压气机稳定性以及流场结构的影响效应,数值计算采用商业软件NUMECA结合S-A模型,求解定常NS方程组。研究结果表明：叶表和端壁组合抽吸不仅对压气机的压比和效率性能有较大的提升,同时对压气机内部的流动失稳机制有抑制作用,是一种可行的流动失稳控制策略;叶表抽吸缝主要是吸除叶片吸力面附面层内的低能高熵流体提高压气机的效率,端壁抽吸主要是吸除叶顶内低能高熵流体,改善叶顶复杂流动结构,进而扩大压气机稳定工作范围。     

高负荷吸附式风扇气动性能数值模拟

采用NUMECA商用软件,模拟了叶片附面层吸气技术对高负荷风扇叶片三维流场的影响。重点研究了抽气模型的建立方法,深入分析了不同开孔位置、尺寸及不同抽吸量对风扇气动性能的影响。结果表明,在来流条件相同的情况下,转、静子选取适当的开孔位置,抽吸流量为总流量的1.5%时,压比、效率最大可分别提高6.5%和1.6%。     

相变材料热控系统内部接触热阻的辨识方法研究

在相变材料热控系统的吸热融化过程中,由于材料与容器壁面之间的空穴效应形成的接触热阻,将对熔化传热形成阻尼效应。采用反演热传导反问题的方法,将参数辨识中的灵敏度法和共轭梯度法应用到实验,建立了一种可用于材料熔化过程界面稳态和瞬态接触热阻的辨识方法。模拟辨识与初步应用表明：辨识方法计算精度高、稳定性好,为精细化分析相变材料热控系统中的熔化吸热过程奠定基础。     

引入平均最好位置的量子粒子群算法及在航空发动机非线性模型求解中的应用

为改善粒子群算法的全局搜索能力和计算精度,在标准粒子群算法和量子理论的基础上,将平均最好位置引入粒子的状态更新过程,提出了1种基于量子行为改进的粒子群算法及不同的收缩-扩张因子取值策略.采用该量子粒子群算法对建立的典型双轴涡扇发动机部件级非线性模型进行了求解,结果表明:分段线性递减收缩-扩张因子适用于复杂的航空发动机隐式模型,其收敛效率和精度都较高,具有一定的工程应用价值.     

回转对称光学曲面磨削误差建模及补偿工艺研究

根据回转对称曲面的特点,利用轨迹包络的原理建立了一种光学曲面磨削的数学模型;分析砂轮半径误差和砂轮定位误差对回转对称光学曲面面形精度的影响;针对回转对称曲面建立了误差模型,将砂轮半径误差和砂轮定位误差进行分离和辨识;利用误差补偿机制补偿磨削过程中砂轮半径误差和砂轮定位误差,提高了回转对称曲面精度;在自主研发的磨床上通过实验验证了这种误差补偿机制的有效性。     

端壁采用孔式抽吸对扩压叶栅气动性能的影响

为明晰孔式附面层抽吸技术对压气机叶栅气动性能的作用效果,实验研究了在端壁不同位置设置抽吸孔时对大折转角扩压叶栅壁面流谱、出口二次流及损失的影响。研究结果表明,端壁抽吸改变了原型叶栅内部流场结构,角区分离起始点前进行附面层吸除可有效延缓通道涡的形成,降低叶栅损失;分离起始点之后角区分离已经充分发展的位置不宜布置抽吸孔;相比较抽吸槽,采用抽吸孔可以通过更少的抽吸量达到相同程度地对叶栅流动性能的改善。      

新型等离子体激励器对流动分离点控制

在西北工业大学低湍流度风洞中采用新型等离子激励器对NACA0015翼型进行表面流动分离点的控制实验。实验风速为20m／s和35m／s,迎角为0°～16°。并参照压力分布的实验结果对流动控制的效果进行了对比分析。结果表明：翼型表面的气流分离点只要落在等离子体激励所形成的激励区内,分离点都会被推迟到靠近等离子体激励器的最末端电极处。证明等离子激励器能够对翼型表面的分离点进行有效控制。     

基于飞行包线划分的航空发动机T-S模糊模型辨识

针对航空发动机在建立Takagi-Sugeno(T-S)模糊模型时运算耗时长和过分依赖学习数据的问题,提出了一种基于飞行包线划分的航空发动机T-S建模方法.通过飞行包线划分和标称点求取确定T-S模型的前件结构;计算各标称点的状态空间模型,将其作为T-S模型的后件;最后通过对航空发动机发参数据的机器学习完成对模型前件参数的辨识.仿真对比结果表明:该方法缩短了航空发动机T-S模糊模型的建模时间,并使得高压转子和低压转子转速的绝对误差分别小于0.25%,0.10%,保持了辨识精度.      

形状记忆聚合物基复合材料在航空航天领域的应用

形状记忆聚合物( SMPs)某些特定的宏观性能(如形状)可以对外部刺激予以响应,其基本分子结构是一种具有活性运动的高分子网络.SMPs由2段组成,一段具有高弹性,另一段在特定刺激下可降低刚度,后者可以是一种分子开关或是刺激敏感型区域.当SMPs被暴露在特定刺激环境时,开关或相转变被激发,储存在临时形状中的应变能被释放出来,导致形状恢复.     

具有神经网络自适应补偿的位置伺服系统的PID控制

本文提出一种具有神经网络自适应补偿的、位置伺服系统的、ＰＩＤ控制结构模式。在该系统中，控制器由两部分构成：一部分是常规的ＰＩＤ算法；第二部分是由前馈神经网络构成的自适应补偿器。数字仿真试验和实际测试的结果表明：本文提出的方法对存在系统参数不易准确确定及飞线性因素不易定量描述的位置伺服系统的控制问题，显示出了较好的效果。系统输出精度高，响应速度快并具有相当强的鲁棒性和客错性。