复合式收扩套筒空气雾化喷嘴燃烧室点火研究

复合式收扩套筒空气雾化喷嘴中, 副油路是一个单油路离心喷嘴, 主油路采用双旋流空气雾化, 喷嘴是直射式.在点火研究中, 只是单油路离心喷嘴工作.实验用的燃烧室是一个单头部矩形燃烧室, 在燃烧室进口温度为常温, 进口压力为常压, 燃烧室压力降0.9%9.0%的试验条件下研究了复合式空气雾化喷嘴燃烧室的点火性能.在同样条件下, 研究了复合式空气雾化喷嘴的雾化性能并总结了经验关系.分析了影响点火的主要因素, 通过整理雾化数据, 以Lefebvre点火模型为基础, 总结了该类燃烧室点火经验关系.      

考虑飞行强度影响的飞机使用寿命综合评定方法

介绍了针对军用飞机普遍存在的使用寿命指标(飞行小时数、日历寿命)严重不匹配的问题,在现有技术和理论基础上利用腐蚀影响系数m(t),引入飞行强度参量SUS建立了军用飞机使用寿命综合评定方法。算例分析表明,随着飞行强度的提高,腐蚀疲劳寿命NC成线性增加,并得到了协调飞机使用寿命指标的最佳飞行强度SUSbest,为合理制定飞行计划,充分发挥军用飞机的使用功效提供了理论基础。     

飞机服役环境当量加速腐蚀折算方法研究

文中依据飞机服役机场地面环境谱与腐蚀损伤等当量原则,建立了环境加速腐蚀当量折算关系,给出了飞机结构主要高强度铝合金材料的当量折算系数α及HR-α、T-α曲线。依据建立的当量折算关系编制的加速环境谱,对飞机铝合金构件进行加速腐蚀试验研究,得到了温度(T)、相对湿度(RH)对环境当量折算系数的影响规律,为飞机结构防腐控制及日历寿命研究提供了工程技术依据。     

飞机纵向运动参数BP神经网络估算

针对飞机纵向运动方程复杂,现有的气动参数获得方法实现困难,不便于分析与控制飞机的运动,文中利用BP神经网络进行参数估算,建立了飞机短周期纵向运动参数估算的BP神经网络模型。研究了不同神经网络结构、不同的激励函数对飞机纵向参数估算BP网络模型的影响作用,进行了数字仿真,对误差进行原则性分析并提出改进措施。仿真结果表明,这种方法能较好的估计纵向运动方程中的未知参数。     

基于伴随非等温射流理论的缝槽气膜冷却模型

在伴随非等温射流基础上发展了一种适用于缝槽气膜冷却绝热温比预估的数学模型.通过合理假设推导出二维壁面射流混合层核心温度分布规律,将其作为气膜绝热壁温,并考虑缝槽几何特征参数和气膜吹风比对冷却效率的影响,得到绝热温比计算公式.用试验数据对该预估模型进行拟合分析,得到了与试验数据拟合精度在±8%以内的半经验预估模型,证明该模型的可行性和应用潜力,并需要更多的试验数据对其进行验证和改进.      

遗传算法在飞机着陆调度问题上的应用

用遗传算法对飞机着陆调度问题的两个方面:队列顺序的确定和跑道指派进行了研究.队列顺序采用飞机编号的单一整数染色体编码方案,配合相应的变异、交叉算子,避免了后代非法解的问题.跑道指派则在适值函数计算中,基于对列最短的原则来加以确定,避免了对队列顺序和跑道指派进行分别编码.算例研究了单跑道与双跑道两种情况.计算结果表明,这种编码方案以及变异、交叉算子对这一问题具有很好的效果,可在普通PC机上实现雷达扫描周期内的实时计算要求.     

基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法,提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO),并求取SO的运动参数,利用真实目标和类目标干扰的不同运动特性,应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰,从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中,一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明,该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰,降低虚警目标的数量。     

舰载机着舰减震新技术研究

 在航空母舰上引入降落区的概念,考虑航空母舰的运动模型,建立了舰载机在该降落区上降落时的简化分析模型;推导出了基于该分析模型的运动微分方程及相关参数的表达式,采用数值分析方法解出飞机垂直撞击舰面降落区这一过程的动态响应,给出机身载荷-时间历程曲线和舰面垂支反力-时间历程曲线等。与原模型分析结果相比,机身受载和舰面垂直反力峰值减小分别37.3％和37.2％,有效地减小了舰载机着舰的冲击载荷。     

机电作动系统发展

 机电作动系统是通过控制电动机或电器的运行直接或间接地控制负载的运动,实现控制目标的位置伺服控制的一类系统的总称。针对飞行器用机电作动系统,概述了其应用概况、结构的演化过程、关键技术的发展过程,并就机电作动系统的发展动态做了介绍。在此基础上,提出了飞行器用机电作动系统的研究和发展的一些建议。     

基于IPSO-Elman神经网络的飞机客舱能耗预测

为了提高飞机客舱使用地面空调制冷时客舱能耗的预测精度,提出了一种改进的粒子群优化（IPSO）Elman神经网络的飞机客舱能耗预测模型。依据对算法中惯性权重与学习因子的收敛域分析,得出了二者合理的取值范围,将粒子到全局最优位置间距离与参数的取值范围相结合,构造了惯性权重与学习因子的动态调节函数,对其进行非线性的动态调节,并引入了变异因子,提出了一种跳出局部最优的策略,防止粒子群优化（PSO）陷入局部最优。将IPSO-Elman应用于Boeing738飞机客舱能耗预测中,与PSO-Elman、Elman算法进行性能比较,仿真结果表明基于IPSO-Elman的客舱能耗预测模型在预测精度和收敛速度方面均有一定的提升。该研究结果为飞机客舱能耗预测模型的建立提供了理论依据,对飞机地面空调的节能与机场电能合理调配提供了支持。