激波干扰支板射流混合增强规律

实现超声速来流和燃料射流在燃烧室内的快速混合一直是提升超燃冲压发动机性能亟待解决的关键问题之一。为了有效提升燃烧室内空气来流和燃料射流的混合效果,通过数值模拟的方法,在超声速来流和支板喷注的前提下,在燃烧室上壁面添加了斜坡型激波发生器,并通过改变斜坡型激波发生器的结构参数,包括角度(15°、20°、25°、30°),尺寸(5、10、15、20 mm),位置(100、110、120、130 mm处)等,以探究不同结构参数对混合效果的影响。研究结果表明:斜坡型激波发生器的引入能够有效地增强混合效果,且不同的结构参数对混合效果的影响也存在差异,斜坡型激波发生器尺寸的大小对混合效果的影响大于角度,斜坡型激波发生器角度的大小对混合效果的影响大于位置;混合效率和总压恢复系数成负相关关系。     

铝颗粒云燃烧研究进展

为探究铝颗粒云燃烧特性,把握其研究进展,并为后续研究工作提供参考,本文首先简述了铝颗粒点火、燃烧过程,总结了铝颗粒燃烧机理;其次,综述了铝颗粒云燃烧的实验、理论和模拟研究进展,从不同维度分析了影响颗粒云火焰速度的关键参数,并提出颗粒云燃烧的研究方向,包括提升颗粒云燃烧实验颗粒分散均匀性与表征精度、降低火焰传播速度等实验结果散差、改善颗粒云燃烧理论预测模型精度及构建实用的颗粒云燃烧模拟CFD模型。     

一种单相光伏并网逆变器改进预测电流控制算法

光伏并网逆变器传统预测电流控制算法由于采样与计算延时会造成差一拍控制,使得逆变器并网电流不能很好地跟踪目标电流,同时逆变器滤波电感模型值与实际值有误差时会造成并网电流谐波大,还可能导致系统不稳定。为克服这些不足,提出了一种改进的预测电流控制方法,可提前一个采样周期对并网逆变器输出电压进行预测,同时利用递推最小二乘法对电感参数进行在线辩识。仿真和试验结果表明所提方法有效提高了逆变器并网电流对目标电流的跟踪精度,减小了并网电流的谐波分量,提高了由逆变器进网的电能的质量。     

离子推力器放电室参数在线优化实验研究

为了改进氙离子推力器传统优化实验方法,针对环切场放电室设计多维优化调节机构,通过步进电机配合电磁铁实现放电室设计参数的在线实时调节。实验中在线调节放电室长径比、中间磁极靴位置、阴极顶位置等参数,得到了放电室性能影响规律,经迭代实验获取了优化后的放电室构型及磁场参数。优化后的推力器性能曲线"膝点"较正交实验结果更加靠后,在工质利用率80%~90%区间内,束离子电离能耗低于正交实验优化结果。在线优化实验方法极大缩短了离子推力器设计周期,降低研制成本,并弥补了传统方法需多次破空导致参数一致性差的不足。     

基于BP网络模型的电机壳加工工艺参数优化

本文基于BP神经网络优良的逼近拟合特性,将BP神经网络算法引进电机壳体加工工艺过程中,使用BP神经网络模型预测电机壳体拉伸成形质量,结合电机壳体拉伸成形实验以验证BP神经网络模拟的准确性,并结合实验结果优选出电机壳体拉伸成形的最佳工艺参数,并得到最优的毛坯形状尺寸,实验结果表明电机壳体拉深成形效果良好,进一步验证了参数优化结果的可靠性。     

铆接工艺参数对孔边细观结构影响规律研究

铆接结构的疲劳寿命在很大程度上取决于孔边的微裂纹及其扩展,而铆接工艺参数对微裂纹的萌生与扩展影响显著。从细观角度分析铆接工艺参数对孔边细观结构的影响,探索铆接工艺参数对孔边细观结构的影响规律。采用试验方法,构建孔边细观结构表征参数,选择壁板与墩头和钉杆接触处圆角半径(MR)、孔边塑性层厚度(Md、MD)为表征的3个参数,分别研究了铆接工艺参数压铆力(Riveting Force)、镦铆过程时间(Riveting Process Time)、上铆头空腔(Upper Riveting Cavity)对孔边细观结构表征参数的影响规律。通过铆接工艺参数对孔边细观结构影响规律的研究,在装配连接时通过控制工艺参数实现对细观结构的改善,进而提高铆接结构的疲劳性能。     

浅析民用飞机研制总体参数优化

分析了在概念设计阶段民用飞机总体设计工作内容和工作流程,并结合时下国外在用软件优缺点,构思了民用飞机总体设计参数综合优化的技术方案,包括优化设计架构、分析模型和优化算法等,为形成具有自主知识产权的民机总体设计综合分析和优化程序打下基础。     

基于深度学习递归神经网络的电离层总电子含量经验预报模型

利用行星际太阳风参数与太阳活动指数、地磁活动指数、电离层总电子含量格点化地图数据,首次基于一种能处理时间序列的深度学习递归神经网络（Recurrent Neural Network,RNN）,建立提前24h的单站电离层TEC预报模型.对北京站（40°N,115°E）的预测结果显示,RNN对扰动电离层的预测误差低于反向传播神经网络（Back Propagation Neural Network,BPNN）0.49～1.46TECU,将太阳风参数加入预报因子模型后对电离层正暴预测准确率的提升可达16.8%.RNN对2001和2015年31个强电离层暴预报的均方根误差比BPNN低0.2TECU,将太阳风参数加入RNN模型可使31个事件的平均预报误差降低0.36～0.47TECU.研究结果表明深度递归神经网络比BPNN更适用于电离层TEC的短期预报,且在预报因子中加入太阳风数据对电离层正暴的预报效果有明显改善.      

联合截获威胁下的雷达射频隐身目标搜索算法

针对基于射频(RF)隐身需求的机载雷达目标搜索问题进行了研究。通过分析实际作战中射频辐射面临的截获威胁,提出了一种基于联合截获威胁的射频隐身性能表征方法,并给出了具体的值估算方法;对机载雷达搜索任务中辐射参数的优化问题进行了建模,并采用优化算法对目标函数进行求解。通过分析典型情景下解集的分布特点,给出了从最优解集中选取最终解的方法。结果表明,提出的射频隐身性能表征方法能更好地反映截获实现过程的多域需求,提出的雷达搜索方法能够在保证探测性能的同时,提高射频隐身性能和搜索速度,能够为相控阵雷达搜索任务中参数的优化控制提供方法和依据。