水下超声速射流对上浮水雷受力特性影响研究

固体火箭发动机具有功率密度大、推力大等优势,常被用于上浮水雷的推进器。然而发动机在水下工作时燃气射流使流场压力发生剧烈脉动,进而影响发动机的推力性能及上浮水雷的受力特性。基于VOF多相流模型和理想气体模型,建立了上浮水雷在不同工作状态(欠膨胀、完全膨胀、过膨胀)下的数值模型,研究了水下燃气喷射流对上浮水雷的受力特性影响。结果显示,欠膨胀工况时,发动机推力平缓,大小为12.2KN,上浮水雷受力未出现负值;完全膨胀时,射流发生颈缩、胀鼓现象位置距离雷体较远,导致发动机推力及水雷壳体受力振荡不剧烈;过膨胀工况时,射流发生颈缩、胀鼓现象距离喷管较近,发动机推力发生剧烈脉动,产生21.37%的振荡幅度,胀鼓现象发生时,流场压力显著降低使得上浮水雷后体受力减小,壳体阻力增大,上浮水雷最大产生27KN的负推力。     

F-35飞机全球备件保障模式研究

F-35飞机作为美国国防战略至关重要的组成部分,由于备件短缺及全球范围内管理和运输零备件困难导致飞机性能不能满足作战人员需求。本文系统分析了F-35飞机全球备件保障模式及备件保障网络构成,总结其面临的问题与挑战,并介绍未来国防部对F-35飞机全球备件模式的设计,为我军装备航材备件体系建设提供参考和借鉴。     

基于灰色神经网络的APU维修成本预测研究

对APU的维修工作进行分析,提出APU维修成本的结构组成,利用APU在翼性能参数与维修成本的映射关系确定预测参数,在传统灰色预测方法的基础上融合BP神经网络,构建了基于灰色神经网络的APU维修成本预测模型。以某航空公司APS3200型APU维修数据为样本,运用MATLAB对影响参数进行关联分析,并对所建立的模型进行拟合和验证分析。该模型具有样本少、训练快、预测精度高等特点,实现了对APU维修成本的准确预测,可为航空公司年度APU维修预算制定、维修合同谈判、经济性拆发等提供决策支持。     

航空发动机适航审定喘振与失速影响因素

将气动热力基础理论与适航领域工程问题有机结合,对典型的喘振和失速影响因素开展了系统的研究,发展了一套多影响因素作用下航空发动机稳定裕度快速预估方法;在此基础上以JT9D发动机为研究对象,开展了喘振和失速主要影响因素的影响规律研究,结果显示对风扇部件稳定裕度影响权重最大的是进气畸变,对增压级和高压压气机影响权重最大的是寿命期内结构衰变。研究结果进一步明确了喘振和失速适航条款符合性验证活动的关键要素,完善了条款适航符合性验证流程,为进一步提升我国民用发动机适航审定能力提供了技术支撑。     

基于GARCH族优选模型的舰船器材消耗预测

器材消耗量预测是做好技术保障工作的前提和基础,受设备生命周期、任务类型、海洋环境及使用设备人员的技能水平等因素的影响,舰船器材消耗量序列会随着时间的推移而产生波动现象,丛集效应和高峰厚尾特征明显。根据 AIC(A-Information Criterion)准则,对 GARCH(Generalized Autoregressive Conditional Heteroscedasticity)族模型进行比较优选,寻求一种更为合适的预测模型,实现对消耗量的准确预测。     

小样本条件下多应力加速寿命试验预测方法

鉴于导弹中的电子设备价格昂贵、可用于试验的样本量少,在开展加速试验以及寿命预测的实际工作中通常为小样本的背景。文章研究探索小样本条件下多应力加速试验寿命预测方法,分别建立通用对数线性模型、 BAS-BP神经网络模型、灰色–支持向量回归模型,结合多应力加速试验数据在各应力条件下的样本容量分别为 56组、20组、10组、5组的情况下,比较 3种模型的预测效果,分析各模型的适用场合和时机,探索小样本条件下模型的选优问题,为小样本条件下多应力加速试验寿命预测提供有益的借鉴。     

装备体系贡献率评估方法探究

未来装备必须坚持体系化发展,并通过贡献率评估明确在体系中的地位和作用。明确了装备体系贡献率的定义和评估意义,分析了定性评估法、基础技战术指标比较法、综合技战术指标灰靶比较法、基于装备体系的网络层次分析法、基于体系仿真及效能评估法等装备贡献率评估方法,并给出了灰靶比较法、网络层次分析法具体评估实例。同时,结合各评估方法特点,提出了网络层次分析法、体系仿真及效能评估法相结合的改进综合评估方法流程,实现装备体系贡献率的准确评估。     

基于多尺度时间卷积网络的航空发动机寿命预测

剩余寿命预测对于航空发动机设备的安全运行、制定维修计划具有重要的意义.目前现有方法无法有效提取设备复杂工况和复杂故障下的退化特征.针对此问题,提出一种基于多尺度时间卷积网络(MTCN)的发动机寿命预测方法.该方法利用时间卷积网络提取数据时序信息,并通过多尺度卷积核的不同感受野提取设备复杂工况下的退化特征,从而更好地预测极端条件下的设备剩余使用寿命(RUL)值.为了验证所提出方法的有效性,在航空发动机C-MAPSS数据集上进行试验.结果表明所提出方法能有效提高设备在复杂工况和复杂故障下的RUL预测精度.