不均匀进口总压对涡轮气动性能的影响

为了探究不同进口总压分布对涡轮气动损失的影响规律及作用机理,以 GE-E3 发动机高压涡轮的第 1 级导叶为研究对象,通过设定总压畸变高度和强度,利用数值模拟方法对多种涡轮进口 1 维分布形式下的涡轮气动性能展开研究。结果表明:当端区总压强于中展区总压时,静叶压力面附近流体向中展区汇集碰撞,出口效率降低;随进口总压畸变强度的提高,静叶出口效率线性降低;当端区总压弱于中展区总压时,静叶出口效率变化不大;单级涡轮出口效率随总压畸变形式变化的规律与静叶的类似。     

20世纪90年代以来我国经济增长综述

改革开放以来,中国经济取得了快速发展,人民生活水平得到了极大改善.但20世纪90年代以后中国经济增长步入低速波动区间,经济持续低速增长可能会吞噬我国过去20多年的发展成果,导致长期发展战略失败.因此,有必要对中国经济增长的原因做出分析研究,以便采取针对性的措施,使我国经济尽快步入良性发展道路上来,保持我国经济长期的持续高速增长,实现建设小康社会的宏伟目标.     

共轭梯度方法在求解不可压N-S方程中的应用

采用非结构网格上的SIMPLE(Semi-implicit Method for Pressure-linked Equations)算法、k-ε湍流模型求解了三维不可压Navier-stokes方程,对低速不可压粘性流场进行数值模拟,在求解压强方程时采用共轭梯度方法,求解其它变量方程时,采用预处理的BICG(biconjugate gradients)算法.对NACA0012翼型绕流流场和飞艇绕流流场进行数值模拟并对结果进行分析,取得较好的结果.     

后缘修型对空腔流场特性影响分析

本文以风洞试验为手段,在高速风洞中对空腔流场特性进行了较为深入的研究,通过对空腔底部静态压力以及脉动压力的测量,分析后缘修型对腔底流场特性的影响。研究结果表明,后缘修型对空腔流场特性影响随修型半径增大而增强;当空腔流场类型为开式穴流动、过渡式穴流动和闭式穴流动,后缘修型对腔内静态压力分布的影响不大,而当空腔流场为过渡—开式穴流动时,后缘修型可能使空腔的流场类型发生转变并使静态压力梯度明显增大;研究结果还表明,后缘修型能有效降低腔内的噪声强度,但对空腔能量尖峰的抑制效果会因试验条件的改变而产生差异。     

建筑LES模拟脉动入口的适用性研究

采用周期人流边界,在展向等间距网格系统中对平板湍流边界层(驱动单元)进行LES模拟,并将顺压力梯度引人流体控制方程以维持湍流边界层厚度的稳定.记录驱动单元脉动时程并将其引人虚拟模拟网格系统(验证单元)以研究LES脉动人口方法的适用性.数值结果表明,采用周期人流边界可成功实现脉动输人,边界层在顺压力梯度下的自保持性良好;脉动人流特性在驱动单元内保持良好,可满足工程需求;顺流向平均流速剖面以及湍流强度剖面均满足低湍流度下的风场特性.数值结果可为我国B类地貌下抗风研究采用.     

深空探测用热防护材料的现状及发展方向

综述了热防护材料的发展历史,重点介绍了深空探测用烧蚀防热材料体系,并通过Pioneer Venus、

Galileo、Stardust 等探测任务的热防护系统(TPS)选材方案分析,对未来深空探测TPS 材料进行技术需求分析。

     

对供应商航材支援合作模式和策略的初步研究

分析了飞机系统划分、航材分类和客户需求对供应商的影响,总结了7种主要的航材支援合作模式,最后提出了飞机主制造商与不同类别供应商的合作策略。     

基于旋转加速度计原理的重力梯度测量技术研究与试验

旋转加速度计式重力梯度测量方法通过旋转调制的方式提取微弱的重力梯度信息。首先从测量原理出发,指出实现该方案的主要难点及对策,提炼出关键技术;其次,以多种方式开展引力梯度效应试验,验证了理论的正确性;最后,尝试了面向载体应用的动态适应性试验,达到地面低动态条件下的技术要求,为开展高动态条件下的重力梯度测量奠定基础。     

一种基于标签的数据安全传输策略

设计了一种基于标签的数据安全传输策略,在应用层加密数据.web服务器扩展模块和浏览器扩展模块通过标签〈secret〉和〈/secret〉确定HTTP报文中需加密或解密的数据的起始位置,加密和解密数据,保证在网络上传输的是密文,web服务器和浏览器收到的是明文.在Windows2000 ⅡS5.0 IE5.0下实现并测试通过.     

Imaginary filtered hindsight experience replay for UAV tracking dynamic targets in large-scale unknown environments

As an advanced combat weapon, Unmanned Aerial Vehicles (UAVs) have been widely used in military wars. In this paper, we formulated the Autonomous Navigation Control (ANC) problem of UAVs as a Markov Decision Process (MDP) and proposed a novel Deep Reinforcement Learning (DRL) method to allow UAVs to perform dynamic target tracking tasks in large-scale unknown environments. To solve the problem of limited training experience, the proposed Imaginary Filtered Hindsight Experience Replay (IFHER) generates successful episodes by reasonably imagining the target trajectory in the failed episode to augment the experiences. The well-designed goal, episode, and quality filtering strategies ensure that only high-quality augmented experiences can be stored, while the sampling filtering strategy of IFHER ensures that these stored augmented experiences can be fully learned according to their high priorities. By training in a complex environment constructed based on the parameters of a real UAV, the proposed IFHER algorithm improves the convergence speed by 28.99% and the convergence result by 11.57% compared to the state-of-the-art Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. The testing experiments carried out in environments with different complexities demonstrate the strong robustness and generalization ability of the IFHER agent. Moreover, the flight trajectory of the IFHER agent shows the superiority of the learned policy and the practical application value of the algorithm.