大型铝蒙皮蜂窝夹层筒段成型模脱模工装设计

分析了筒段产品和筒段成型模的特点,提出用脱模工装实现筒段产品和筒段成型模分离的思想。通过分析脱模工装的技术难点和脱模过程可能出现的状况,介绍了模具的设计和脱模过程。实践表明,此脱模工装结构合理,能满足筒段成型模脱模的需求。     

非均匀刚度弹性边界结构优化设计及实验验证

为解决运载火箭地面试验过程中弹性边界刚度非均匀导致的实验误差问题,提出了基于刚度等效指标的非均匀刚度弹性边界优化设计框架。首先,针对不同载荷工况,对比真实弹性边界与均匀刚度弹性边界情况下主承力筒壳结构的边界响应,研究刚度等效指标的选取,用以表征结构刚度的非均匀性;然后,以刚度等效指标为设计目标开展非均匀刚度弹性边界结构设计,并给出不同工况下的最优结构设计;最后,基于轴压工况下的非均匀刚度弹性边界最优设计,加工制造非均匀弹性边界结构试件,开展非均匀弹性边界结构原理性实验。实验结果显示,真实弹性边界与结构优化设计的非均匀刚度弹性边界结构的力学响应吻合良好,证明了非均匀刚度弹性边界结构优化设计的可行性。     

三旋流燃烧室的数值模拟与试验

为研究三旋流高温升燃烧组织技术,借助CFD技术对三旋流单头部燃烧室进行了数值模拟,采用结构化网格生成技术、realizable k ε湍流模型、PDF（概率密度）燃烧模型等对其进行模拟计算,获得了燃烧室内流场和燃烧场分布及各方面的燃烧性能参数,同时试验研究了三旋流单头部燃烧室的火焰筒壁温、出口温度分布、燃烧效率、排气冒烟数。结果表明:三旋流燃烧室的温升高达1130K,燃烧效率超过99％,火焰筒壁温分布较好,冒烟数不高于20;所采用的数学模型合理、计算方法可行,与试验数据基本吻合,其结果可为三旋流燃烧室设计提供参考。      

可压缩弹射出伞模型及仿真

火工装置常用于降落伞的强制开伞。针对柔性降落伞织物的可压缩特性,建立了弹射筒可压缩弹射出伞模型并开展了仿真计算,仿真结果与传统刚性模型进行了对比,表明可压缩弹性模型与实验数据更吻合,具有更高的准确性。同时研究了火工药剂参数、弹射筒几何结构及伞包材料特性对弹射力、伞包拉力及弹射速度的影响,发现火工装置初始容腔增大或活塞尺寸减小均会降低弹射推力;而伞包材料弹性使伞包受力小于并滞后于顶盖受力,伞包弹性越好,包装密度越小,越有利于降低顶盖速度和伞包受力。本文的可压缩弹射出伞模型为火工装置及伞包设计提供了一种新的设计分析思路。     

活塞式水平弹射装置内弹道性能研究

水平弹射装置主要用于空基导弹武器的发射,提高其弹射内弹道性能对武器的成功和安全发射具有重要意义。针对某活塞式水平弹射装置的内弹道工作过程进行了研究,建立了弹射工作过程的力学分析模型,并结合零维内弹道理论,完成了内弹道数学模型的构建。基于MATLAB软件编制了计算程序,采用四阶龙格-库塔法求解其内弹道方程组,并能够根据所设计的弹射药型模拟计算高、低压室压强曲线和导弹运动规律。同时,考虑点火过程对弹射的影响,建立了引燃药柱的燃烧模型,对内弹道仿真计算程序进行了优化,并将优化后的内弹道程序计算结果与试验数据进行了对比。结果表明,仿真计算结果与试验曲线吻合较好,误差在5%以内,可为同类型的水平弹射内弹道性能预测提供理论指导和借鉴。     

冲击/发散冷却壁温分布和冷却效率研究

针对高温升燃烧室长寿命火焰筒的要求,实验研究了孔排列方式、发散壁壁厚与孔径之比以及单位面积开孔率对壁温分布和冷却效率的影响.实验中冷却气为常温常压,主流速度20m/s,发散壁孔内气流与主流速度比为0.63,主流与冷却气温度比为1.6.实验结果表明:长菱形排布与正菱形排布相比冷却效率更高,但孔的排布方式对于壁温分布的影响较小;增大发散壁壁厚与孔径比可以增强冷却效果,并使壁温分布变得均匀;而减小单位面积开孔率对于壁温分布的影响较小,同时冷却效率也会降低.      

纤维缠绕Kagome网格卫星承力筒承载性能分析及结构优化研究

承力筒是卫星的主要承力部件,对整体结构承载性能具有重要作用.纤维缠绕Kagome网格式承力筒有质轻高强的特征,是卫星承力筒常用的结构.但网格结构设计中,结构参数之间相互耦合,对网格承载性能的影响尚不清晰.本文针对纤维缠绕Kagome网格卫星承力筒,开展结构优化研究.首先采用有限元建模方法,对卫星特定工况下的承载性能进行...     

基于PSO-BiLSTM神经网络的机身筒段应力预测

飞机机身部件在装配对接前，通常需要使用形状控制工装调节机身筒段形状以达到对接标准，为避免出现控形过程中筒段局部应力过大损坏机身的情况，需实时监测机身筒段应力变化，为此提出基于粒子群优化算法和双向长短期记忆（PSO-BiLSTM）神经网络的应力预测方法。通过机身筒段控形历史数据对应力预测模型进行训练和测试，采用粒子群优化算法迭代优化神经网络超参数，实验结果表明，PSO-BiLSTM神经网络凭借长记忆细胞和高模型容量优势在处理序列式数据方面具有明显优势，应力预测损失在0.3%的均方根误差范围内收敛。与竞争模型循环神经网络（RNN）、标准长短期记忆（LSTM）神经网络和双向长短期记忆（BiLSTM）神经网络相比，PSO-BiLSTM神经网络模型不仅预测结果更准确，训练效率也明显提高。