引射式结冰风洞内圆柱结冰试验

设计并建造了用于结冰研究的小型引射式结冰风洞试验系统,对其结冰气象条件参数进行了标定,给出了试验段水雾均匀区范围,验证了试验冰形的可重复性.在霜状冰和瘤状冰条件下,对直径为25.4mm和50.8mm的圆柱在所建的结冰风洞内进行了结冰试验.试验结果表明:在所研究的结冰条件和结冰时间范围内,霜状冰与瘤状冰的结冰厚度均随时间推进而线性增长;在满足结冰相似准则的情况下,冰形相似性结果良好,无量纲厚度的最大偏差约为10%.      

基于静态删减算法的神经网络在软件可靠性预测中的应用

与传统的基于人工神经网络的软件可靠性预测模型结构普遍由预先经验或者通过不断尝试的方法确定不同,在分析一般的软件可靠性模型的基础上,提出将一种基于静态删减算法的神经网络模型应用到软件可靠性预测中。通过利用2组经典的软件失效数据进行仿真,并与传统的神经网络可靠性预测模型对比分析,研究了神经网络拓扑结构和预测精度的关系,结果表明,基于静态删减算法的运用能够提高神经网络模型对软件可靠性的预测精度。     

航空发动机健康管理用户的诊断预测指标体系

航空发动机健康管理的顶层设计必须要满足不同健康管理用户的使用要求。简要介绍了健康管理系统的用户分类和开发流程,重点分析了面向外场使用的后勤、飞行、维修、机群管理等军方健康管理用户的要求。从健康管理诊断和预测的技术实现出发,分别分析了军方不同用户的要求与诊断、预测指标之间的映射关系,建立了相应的诊断和预测指标体系。可为军方制定满足外场使用需求的研制总要求,工业部门制定贴合用户需求的研制规范提供借鉴。     

基于奇异值趋势分解和LS-SVR的航空发动机性能指数组合预测

发动机性能指数是衡量其性能优劣的重要指标之一。针对发动机性能指数具有非线性、非平稳的特征,引入多层次多尺度的思想,在此基础上提出一种基于奇异值趋势分解的组合预测方法。利用奇异值趋势分解提取原始数据的趋势项和波动项;以改进粒子群算法分别获取趋势项和波动项在最小二乘支持向量回归模型中的最佳参数组合(嵌入维数、延迟时间、惩罚因子、核参数),并引入回归移动的思想,在此基础上利用最佳的最小二乘支持向量回归模型进行预测。预测结果表明预测精度明显增加,计算时间也相对减少。提前预测步长在5步之内时,精度变化不大;步长超过10步,精度下降很快。与不同预测方法比较,证明了方法的有效性。      

飞机谱载荷下裂纹扩展的三维约束效应

研究裂纹端部三维应力约束、塑性约束和位移约束等对谱载疲劳裂纹扩展的影响。用适于三维应力状态的修正条带屈服模型 ( Modified Strip Yield Model)计算与裂纹扩展有关的三维约束因子。利用所得约束因子的理论解改进 NASA多年来发展的 FASTRAN-II寿命预测软件 ,使其避免了依赖经验确定的约束因子进行寿命预测的局限 ,仅利用一组常幅疲劳裂纹扩展数据和材料的常规机械性能便可预测飞机谱载下的裂纹扩展寿命。对多种谱型、应力水平、过载比和材料的组合情况进行了分析 ,预测寿命与试验结果吻合很好 ,证明本文方法和改进软件可以用于实际结构的寿命预测。     

含多处损伤结构的剩余强度研究

系统地回顾了含多处损伤MSD结构的损伤连通准则,指出采用Dugdale的片状塑性区尺寸的Swift韧带屈服准则对一般工程材料最为合适.对具有潜在危险性的典型的广泛MSD结构作了剩余强度分析,分析结果表明:广泛MSD大大地降低了结构的剩余强度.     

各向异性单晶叶片强度寿命研究—第I部分:晶体滑移本构模型及应用

单晶叶片技术是提高航空发动机及地面燃气轮机性能、寿命及可靠性的关键技术之一，但单晶材料机械、力学性能的各向异性特性制约了其发展和应用，对其工程应用及应用的理论基础提出了挑战。课题组开展了各向异性单晶叶片强度分析和寿命预测方面的一些研究工作。包括：建立并验证了弹塑性、蠕变滑移本构模型及蠕变持久寿命预测方法；进行了不同晶体取向DD3单晶在不同温度、不同速率或不同温度、不同应力水平下的拉伸试验及蠕变试验，这些实验数据及由其反映的单晶中、高温各向异性特性对单晶材料的应用具有重要意义。此外还进行了某种单晶叶片的实验研究。作为上述研究的应用，对某发动机单晶涡轮叶片进行了强度分析和寿命预测。本文这一部分介绍本构模型及应用，实验研究将在第II部分介绍。     

火箭基组合循环(RBCC)推进系统概念设计模型

简述了火箭基组合循环（RBCC）推进系统及相应概念设计模型的发展与不足，并应用准一维流动理论及化学反应动力学理论建立了RBCC一维性能预估数学模型，该模型耦合了有限化学反应速率模型，考虑了包括变几何截面积，引射流动、燃料喷注，混合，燃烧及摩擦损失等多种影响流动的因素，并采用变步长半隐式多步龙格－库塔方法进行了数值求解，所得结果与文献提供了实验结果相一致。     

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。     

固体废弃物热解产物的神经网络预测模型

本文采用3层BP神经网络建立了固体废弃物热解产物的产率和特性的预测模型。采用遗传BP算法来优化隐层节点数和学习速率η0与回归方法相比，其预测误差明显小于回归公式的预测误差。