自循环吸附动叶设计原理及数值模拟分析

研究了一种新型自循环吸附动叶,分析了其主要实现结构以及自循环吸附的原理。新型吸附结构利用动叶旋转离心作用形成的驱动力抑制了叶表分离、叶顶二次流动,增加了叶顶附面层动量,提高了动叶效率及稳定裕度。通过与传统的机匣处理技术的对比,阐明了自循环吸附动叶的独特结构以及叶顶喷气技术优势。以Rotor37动叶为例,依据基本的吸气、喷气原则,开展了吸气槽、叶顶喷气孔以及动叶内腔等自循环典型结构概念方案设计,突破了带有动叶内腔的复杂网格生成技术,完成了自循环吸附动叶内腔以及叶片通道内的流动分析以及特性分析。研究结果表明:自循环吸附技术优势明显,数值模拟证明其原理可行。     

低速单级轴流压气机自引气扩稳实验

在一台低速单级轴流压气机上采用自引气-喷气方式进行了实验研究,实验中分析比较了不同的引气方式对压气机失速裕度改善(SMI)以及对压气机效率的影响,同时对不同自引气方式的扩稳机理进行了探讨.实验结果表明:自引气方式能够有效的改善压气机失速裕度,并且能够略微提高压气机效率.与传统的外部引气相比,节省了外部引气所需要的外部空气压缩系统;为自引气在实际压气机稳定性控制中的应用提供参考.      

一种进气道自起动特性检测方法

发展了一种应用于激波风洞中快速检测高超声速进气道自起动能力的实验方法。该方法通过在隔离段内预先设置轻质堵块,迫使进气道在风洞运行初期不起动,待堵块被吹出后,流道恢复畅通,进而考察进气道是否具有起动能力。实验采用高速纹影拍摄同步壁面压强测量的手段,对二元高超声速进气道的起动特性进行了研究。通过对纹影照片以及相应的壁面压强信号的分析,对所发展的自起动检测方法的可靠性进行了考核,并进一步研究了内收缩比对进气道起动特性的影响。在激波风洞中获得了进气道自起动过程以及起动／不起动双解区的流场特征和相应的壁面压强变化历程。     

抽吸对高超侧压进气道自起动性能的影响

针对某型高超侧压进气道设计了纵向槽、横向槽和圆孔等4种抽吸方案,对各方案的进气道流场进行了数值模拟.结果表明:抽吸可以显著提升进气道的自起动性能,且对进气道不起动流场的分离区进行抽吸的效果最佳,文中最优方案将进气道的自起动马赫数由4.6降至3.7.对进气道进行了马赫数为4条件下变攻角的风洞试验,验证了抽吸对提升进气道自起动性能的有效性.      

高压比离心叶轮自循环机匣处理扩稳研究

为了探索自循环机匣处理扩稳机理,利用全三维数值模拟方法对应用自循环上游槽封闭机匣和自循环机匣处理结构两种情况下的Krain高压比离心叶轮进行了详细研究.对比结果表明:自循环机匣处理能有效的延迟失速的发生并在近失速区域略微提高压气机的效率以及总压比.通过详细的流场分析表明:该机匣处理能有效地减小叶顶栽荷,从而降低泄漏流相对速度,抑制间隙泄漏涡在叶顶通道内的发展以减小低速气流在流道内的阻塞,提高转子通道的通流能力,从而达到扩大稳定工作范围的目的.     

飞机新原理电液自馈能刹车系统设计与优化

当前,传统飞机液压刹车系统普遍采用集中式的机载液压源作为动力,液压能通过能源管路传输到刹车作动器,整个系统零部件数目众多,管路布局复杂,由此带来的管路振动、液压油泄漏等问题突出,限制了飞机刹车系统可靠性和可维护性的提升。近年来,一种飞机新原理电液自馈能刹车系统被提出,将模块化的"自馈能装置"安装在机轮附近,回收机轮着陆时的旋转动能,并将其转换成液压能,用于刹车作动。提出了一种利用波浪曲面进行取能的专用取能机构,设计了自馈能系统紧凑型专用取能机构,研制了高可靠、低能耗、高抗污染的自馈能刹车系统原理样机,完全实现了自馈能,即使飞机失去全部动力也能正常完成刹车功能,使抗污染等级从NAS6级提升到NAS10级,可靠性和可维护性优于传统液压刹车。     

混凝土自收缩的测定与模型分析

为了研究水胶比和粉煤灰掺量对混凝土自收缩的影响,建立了混凝土自收缩自动测量系统,并测定了水胶比分别为0.25,0.30,0.40和0.53的硅酸盐水泥混凝土及粉煤灰掺量为10%,20%,30%,40%,60%的粉煤灰混凝土的自收缩发展。以硅酸盐水泥水化动力学为基础建立了相应的数值模型,结果表明,硅酸盐水泥混凝土随着水灰比的降低,混凝土的自收缩发展越迅速,最终收缩值越大,掺加粉煤灰后,可以明显降低混凝土的自收缩值和自收缩的发展速率。     

模糊自组织网络在刀具磨损状态监测中的应用(英文)

应用模糊逻辑和无教师自组织神经网络进行车削过程刀具磨损状态监测.根据典型切削条件组合建立由多个子网络组成的自组织网络阵列,其中每一子网络对应一种典型切削条件,并进行训练.对于具体切削条件,运用模糊逻辑技术选取对应的优化子网络.文中所建名为Fuzzy-SOM-TWC监测系统的运行基于加工过程实时采集的切削力、声发射以及电机电流信号.切削实验用于训练和检验监测系统,实验结果显示其对于刀具磨损状态的识别正确率可达到98%-100%.     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。