双金属杆准静液挤压

本文提出用弹性体代替静液挤压工艺中高压液体挤压双金属杆新模式，给出挤压外软内硬双金属复合杆时速度场和挤压力等有关参数的选择方法。     

带有挤压油膜阻尼器的转子系统动力学相似设计

针对航空发动机中常见的带有挤压油膜阻尼器(SFD)转子的动力学相似问题,建立了一种相似建模方法。从带有阻尼的转子的振动微分方程着手,通过方程分析法推导了转子振动过程中的不平衡力相似关系和阻尼力相似关系。以挤压油膜阻尼器的油膜力和油膜方程为基础建立了挤压油膜阻尼器参数与转子相似参数之间的数学关系,并给出了相应的工程设计方法。以某带有挤压油膜阻尼器的单转子系统为例,建立了带有挤压油膜阻尼器的相似转子系统,使用有限元法分析了该转子系统与其相似系统的动力学特性,分析结果显示：在仅考虑转子系统内挤压油膜阻尼器阻尼的情况下相似系统的不平衡响应与原转子系统不平衡响应误差低于1%。     

横向射流相位差对排气系统气动和红外特征影响数值研究

横向射流是降低航空发动机尾喷流在3～5μm波段上红外辐射特征的一种高效低阻的途径。本文以收敛喷管为对象,在喷口下游布置了一对上下对称的扁平横向射流孔,数值模拟研究了两股同频横向射流之间相位差（0°,90°和180°）对下游掺混与红外抑制的影响规律。结果表明,脉动横向射流诱导产生的流向涡强化了掺混,不同横向射流之间的相位差会使涡对出现的时间与空间复杂交错,可以充分卷吸气流,加强尾喷流与外界大气的掺混。而相位差的优化设计可以进一步提高涡对之间的掺混增益,增强红外抑制效果的作用。与Δφ=0无相位差状态相比,随着相位差增大,红外抑制效果逐渐增强。相位差为π时,掺混效果最好,高温区长度降低约14%,红外积分辐射特征最大降幅约13%,光谱辐射降幅最大可达21%,有效增强了对尾喷流的红外抑制。     

网格阵列填充冷却通道内超临界正癸烷流动传热特性的数值研究

采用碳氢燃料冷却壁面是超燃冲压发动机常用主动冷却方式。为减轻主动冷却通道结构重量、提高冷却效率,本文探讨了以网格结构为填充的新型通道,从结构轻质化、流动特性及综合传热能力等方面与常规矩形主动冷却通道进行了比较。结果表明,在相同工况下,由错排网格填充的冷却通道结构综合性能最佳,其减重效果达39.93%,壁面温度显著下降,且努塞尔数最高达到光通道的2.156倍。从流动传热机理分析可看出,网格前缘冲击效应形成的马蹄涡和后缘附近发卡涡结构对强化传热贡献最大,扰动边界层和激发湍动能也是强化传热的重要因素。     

圆弧形榫连结构低循环疲劳试验与寿命分析北大核心

针对大涵道比涡扇发动机采用的圆弧形燕尾榫连结构,设计了缩尺的双榫头疲劳试验件及其试验夹具。开展了不同载荷水平下的低循环疲劳试验,并对比了表面强化对试验件疲劳特性的影响,给出了可初步用于设计的疲劳寿命S-N曲线。研究表明：圆弧形燕尾榫头试件的疲劳失效形式为微动磨损导致的疲劳断裂;相同疲劳载荷水平下,表面强化试验件的疲劳寿命比未强化试验件的高40%～65%;不同载荷水平下的试验结果基本符合Miner累积损伤准则。     

基于小波神经网络的双足步行机器人步态规划控制器

对于传统的神经网络中神经元模型在结构和信息存储能力上存在的不足，本文提出了一种基于广义小波其函数网络的神经元集聚模型，这种小波神经网络不仅收敛速度快，非线性逼近能力更好，而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点，更符合生物原型的实际情况。静态学习和准动态学习仿真实验证明这种神经网络结构的有效性。     

一种新运行方式脉冲燃烧风洞研制及初步应用

介绍了一座喷管口径为600mm、利用氢与富氧空气混合燃烧产生高焓试验气流的脉冲风洞.风洞首次采用了活塞挤压为加热器供应燃料和路德维希管供应富氧空气的工作方式,实现了风洞试验过程中需多少燃料就供多少燃料,消除了采用路德维希管供燃料存在的弊端.自主研制的大通径快速阀取代了膜片,提高了设备运行效率.风洞在吸气式高超声速技术研究中得到了成功应用.     

Q460高强度钢内螺纹挤压力的模型

根据飞机起落架冷挤压内螺纹的成形过程,建立了冷挤压内螺纹接触应力与挤压力的力学模型,通过合理假设及取定挤压过程中的各工艺参数,计算出了挤压变形区工件沿挤压丝锥棱齿法向的接触应力及挤压力,并对切向挤压力实际测量数据与模型计算数据进行对比.结果表明,切向挤压力的理论计算与实测变化趋势基本相同,切向挤压力在整个冷挤压过程中的平均值相当,实测切向挤压力峰值接近于理论计算挤压力的峰值,验证了该内螺纹冷挤压力学模型的有效性.而一般切向挤压力计算值要比试验值略小些,主要由挤压丝锥锥部前端金属堆积与摩擦条件的变化引起.     

基于示范主动采样的行为克隆方法

深度强化学习在学习过程中需要与环境进行大量的交互,训练效率低下。模仿学习通过从专家示范中学习,可以有效地应对这一挑战,但是需要收集大量的专家示范轨迹,在复杂任务中往往导致高昂的示范代价。本文提出一种基于主动学习的行为克隆算法,通过主动挑选示范起始状态来减小示范代价。该方法基于不确定性采样和不相似性采样两种策略,从状态候选集中挑选最有价值的状态作为起始状态,然后向专家查询固定长度的示范轨迹,希望从尽可能少的示范中学习出有效策略。在多个不同任务上的实验表明,本文方法可以用更少的示范轨迹进行行为克隆,降低了强化学习中的专家示范代价。