磁悬浮轴承用位移传感器测量误差

针对磁悬浮轴承用位移传感器,通过Matlab编程仿真,分析了位移传感器的类型、安装方式以及安装位置对传感嚣测量误差的影响.研究结果表明:无论选择什么类型的位移传感嚣,只要传感器形成的检测平面与电磁铁形成的控制平面轴向存在偏差,都将引入测量误差,但传感嚣外置产生的测量误差要小于传感器内置产生的测量误差;电涡流、光电和激光传感器采用差动安装时,可消除传感嚣的测量误差,能真实反映转子的位移量,但电感式传感器由于结构方面的原因,即使采用差动安装还会引入测量误差;位移传感嚣的安装精度也将影响到传感器的测量误差.研究结果为更合理地选用和安装磁悬浮轴承用位移传感器,提高主动磁悬浮轴承的性能提供了理论依据.     

基于因果图的微小型涡喷发动机安全性分析(英文)

针对复杂的航空发动机系统,提出一种基于因果图的方法对其进行安全性分析。以微小型涡喷发动机机匣破裂或被击穿失效为例,对因果图在安全性分析中的应用进行了研究,并与传统的故障树分析结果进行了对比和分析。研究结果表明,基于因果图的方法一方面可以找出导致航空发动机系统失效的原因之间的复杂因果关系,给出定量分析,符合客观实际;另一方面图形化的推理方法易于安全评估和工程应用。     

襟翼热力耦合试验方法及有限元模拟研究

设计了热力耦合试验装置对襟翼进行试验研究。采用石英灯管加热器加热,实现了高温力载荷的施加和高温条件下位移的测量。通过有限元方法进行等效热力耦合模拟计算,结果发现试验的位移数据和有限元计算位移结果吻合较好,说明本文设计的热力耦合试验方法可靠,高温条件下力载荷施加及位移测量方法合理可行。     

含缺陷三维编织复合材料热膨胀系数计算

通过将细观力学的Ｅｓｈｅｌｂｙ和Ｍｏｒｉ－Ｔａｎａｋａ理论与刚度平均化方法相结合，对含定向基体微裂纹的三维编织复合材料热膨胀系数进行了理论计算，分析了纤维体积含量，微裂纹密度和编织参数变化对热膨胀系数的影响，为材料设计和应用提供了理论基础。     

微机电系统技术及其在航天器上的应用展望

微机电系统是指集微型机构、微型传感器、微型执行器以及信号处理和控制电路、各种接口、通信电路和电源等于一体的微型器件或系统。随着科学技术的发展,微机电系统在精度和可靠性方面都有了很大的提高,得到了越来越广泛的应用。论述了微机电系统的技术特征、主要技术和加工工艺,并展望了微机电系统在航天器上的应用前景。     

轴向受载的Bernoulli-Euler薄壁梁的弯扭耦合动力响应

建立了一种普遍的解析理论用于研究确定性载荷作用下轴向受载的单对称Bernoulli—Euler薄壁梁的弯扭耦合动力响应。首先通过直接求解轴向受载的单对称均匀Bernoulli-Euler薄壁梁单元弯扭耦合振动的运动偏微分方程，给出了计算其自由振动的精确方法，并导出了轴向受载的Bernoulli—Euler薄壁梁自由振动主模态的正交条件。然后利用简正模态法研究了确定性载荷作用下轴向受载的Bernoulli—Euler薄壁梁的弯扭耦合动力响应，该梁所受到的载荷可以是集中载荷或分布载荷。最后假定确定性载荷是谐波变化的，得到了各种激励下封闭形式的解，并针对具体算例讨论了动力弯曲位移和扭转位移的数值结果。     

智能结构及其在空间飞行器中的应用

介绍了作为近年来国际上研究热点之一的智能结构的概念、原理、分析方法、及主要应用情况。从技术应用的角度，提出当前国内在空间飞行器结构设计应用中应该重点发展的几项关键技术，最后给出了一个具体的实例，一种集成有位移传感器和力致动器的低电压压电主动(智能)单元结构，用这种主动结构来实现空间精密分段反射镜的低量级振动及形状控制。     

圆截面空间曲杆的屈曲

采用自然坐标系对空间曲杆进行有限元建模,给出了自然坐标系下的三维细长空间曲杆的格林应变计算公式和能量方程,建立了2节点12个自由度的三维曲梁单元并用其分析了同时受轴向力和轴向扭矩作用的具有初始曲率和挠率的三维空间曲杆的屈曲问题。算例证明了公式和方程的正确性和合理性。数值结果与现有的理论解相吻合,收敛性却比商用有限元软件的结果好。数值结果还表明,扭矩对屈曲的影响不可不计。     

Casimir力对微加速度计性能的影响分析

随着微器件的尺寸日益缩小,有必要评估Casimir力对微器件性能的影响。本文以微机电系统中常见的微加速度计为对象,建模分析了Casimir力对其性能的影响。研究表明,Casimir力对微加速度计性能的影响随极板间距离的减小而迅速增大。Casimir力使得微加速度计的最大可检测加速度减小,并且随支撑粱刚度的减小,对灵敏度的影响逐渐增大。当检测电容极板间距离等于400nm时,Casimir力引起微加速度计的最大可检加速度的降幅迭5．89％。     

GPS失锁时基于神经网络预测的MEMS-SINS误差反馈校正方法研究

GPS信号失锁时,MEMS-SINS组合GPS导航误差会随着时间迅速积聚而无法导航.提出一种基于RBF神经网络预测的MEMS-SINS误差反馈校正方法,GPS有信号时对神经网络进行训练,GPS信号中断时用训练好的RBF神经网络预测MEMS-SINS的导航误差.地面车载跑车试验,证实了训练后的RBF神经网络能很高精度地逼近MEMS-SINS/GPS组合导航系统输入与输出间的关系,在4个50s以内的GPS人为失锁过程中,该方法导航结果与参考系统比较,平均位置误差为3.8m,平均速度误差为0.6m/s,平均姿态误差为0.5°.