适用于更高温度环境卫星的复合材料太阳电池基板

介绍了美国J.霍普金斯大学应用物理实验室设计制造的适用于水星轨道卫星的复合材料太阳电池基板[1]。该项研究计划进行了很长时间,分别进行了设计分析、选材、工艺试验、产品试制和性能测试等工作。制成的沥青基碳纤维/氰酸酯复合材料太阳电池基板,可短期承受270℃高温,能够满足高温卫星空间环境的要求。     

激光孔对定向凝固高温合金薄壁性能的影响

研究了激光孔对定向凝固高温合金的薄壁性能的影响。结果表明,薄壁试样的持久性能无明显下降,说明在本试验条件下,该合金的薄壁效应不明显。并从工艺因素和显微组织方面讨论了试验结果。     

TiC—Ni梯度功能材料的燃烧合成与残余应力分析

采用自蔓延高温燃烧合成反应结合准热等静压技术（SHS/PHIP）制备了组织连续分布的TiC-Ni系梯度功能材料，产物的成份分析显示Ni元素沿厚度方向趋于连续过渡，改善了反应前的阶跃式分布。对TiC-Ni FGM在制备过程中的残余热应力进行了计算机有限元分析，并与TiC-Ni两层直接结合体进行了分析，发现FGM具有明显的热应力缓和效果。     

铸造技术在宇航工业中的应用及发展

航天产品的一些关键部件应用精密铸造技术可以显著地降低成本，减少零件的数量、焊接次数及机加工序。重点综述了国外铸造技术在航天产品中的应用及发展，并对高温合金熔模铸及快速成型技术在铸造中的应用做了简单介绍。     

超燃冲压发动机温度及热流测量技术研究进展

测量超燃冲压发动机内部温度及热流场可以为表征、评估、优化其工作状态与性能提供重要支撑。本文综述了可用于发动机温度及热流测量的接触式（铠装及薄膜式）传感器、非接触式（光电及辐射式）测量技术的研究现状及特点。重点介绍了薄膜式热电偶及热流计的发展趋势以及在高温瞬时测量领域的应用前景。最后,对超燃冲压发动机温度及热流测量技术进行了展望。     

高温升直流燃烧室燃烧特性数值研究

为了研究高温升直流燃烧室燃烧特性,建立了带三级涡流器的高温升直流燃烧室物理模型,采用稳态雷诺平均N-S方程的化学反应流数值模拟的方法,开展Ⅱ、Ⅲ级径向涡流器旋向、主燃孔和掺混孔特征参数对高温升直流燃烧室的流场及燃烧特性的影响研究。涡流器能够实现火焰筒头部回流区的产生,同时实现主油路燃油的气动雾化和掺混。主燃孔的射流影响回流区的结构,同时主燃孔射流部分进入主燃区,能够保证主燃区的油气比。掺混孔的射流轨迹影响掺混区的流场和出口温度分布。10种方案燃烧室的温升和总压损失系数均达到设计要求,Mode-1-tx、Mode-3、Mode-3-tx、Mode-4-tx四种方案燃烧室周向温度分布系数(Overall temperature distribution factor,OTDF)达标,而径向温度分布系数(Radial temperature distribution factor,RTDF)略高于设计指标,Mode-5-tx方案燃烧室出口温度系数OTDF=0.178和RTDF=0.061均达标,燃烧室出口温度分布品质较好。     

航空发动机试飞关键参数趋势监控的实现及应用

为了实现航空发动机滑油压力、滑油温度、振动值在试飞中的趋势监控,采用神经网络方法对某型发动机大量试飞数据进行训练和验证,获得了这几个参数全过程较为准确的计算模型。计算模型应用于该型号另1台发动机参数趋势监控中,在应用前,利用有限架次试飞数据修正了这几个参数的计算模型,采用动态链接库形式实现计算模型与原有实时监控系统的协同工作,进行了模型计算结果和试飞结果趋势实时对比监控。结果表明:模型计算结果和试飞结果变化趋势吻合良好,说明了神经网络计算模型的准确性以及在关键参数趋势监控中的工程实用性。     

航空发动机滑油压力和温度最大影响参数的一种确定方法

以初步确定的试飞中滑油压力和滑油温度影响参数集合为基准输入参数,基于大量试飞数据,采用人工神经网络方法,获得滑油压力模型和滑油温度模型的基准结果。随后,采用不同的基准输入参数子集进行人工神经网络计算,以模型计算结果与试飞结果的最大偏差、偏差分布范围作为判据,与基准结果对比,确定滑油压力和滑油温度的最大影响参数。最后,建立发动机全包线试飞、全工作状态的滑油压力和滑油温度最大影响参数确定方法。该方法对滑油系统的试飞内容规划、状态预判和安全监控等具有重要的指导作用。     

涡轴发动机自吸油试验方案设计及验证

阐述了涡轴发动机自吸油特点,对比了国内外相关标准对涡轴发动机自吸油能力的评定要求和方法。研究了涡轴发动机油泵自吸油工作机理,总结出合理可行的自吸油试验方法,并进行了飞行试验验证,以确定影响飞行试验方法的各种因素,包括自吸供油的高度边界、各个高度自吸供油的速度范围和发动机状态。试验表明,影响发动机自吸油边界的主要因素为发动机状态和飞行高度,所提出的试验方案经验证可行且能够较为充分地验证发动机自吸油能力。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。