适于黏性计算的自适应笛卡儿网格生成及其应用

复杂外形的黏性网格生成已经成为计算流体力学(CFD)在工程应用中的主要瓶颈,高效而鲁棒的网格生成技术研究显得尤为迫切。使用基于物面外形自适应加密的笛卡儿网格方法生成计算网格,投影方法拟合壁面边界,将投影得到的柱形单元沿法向分层获得适于黏性计算的网格。应用特征恢复技术恢复凹面特征并改善凸面处的网格质量。流场解算中应用最小二乘法重构获得2阶精度,Roe格式计算无黏通量,Holmes-Connell方法计算黏性通量。加入Spalart-Allmaras一方程湍流模型以获得湍流解。上下对称高斯 赛德尔迭代(LU-SGS)格式隐式时间推进,对网格重排序保证格式的稳定性和平衡性。算例显示网格生成方法是快速的和鲁棒的,流场计算精度满足工程需求,因此该方法非常适合应用于实际工程计算。     

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.      

咪鲜胺在鸭梨果体上的残留分析与降解动态研究

采用固相萃取-HPLC检测方法快速检测咪鲜胺及其代谢物2,4,6-三氯苯酚在鸭梨上的残留.结果表明:咪鲜胺与2,4,6-三氯苯酚在0.5～100.0 mg/kg范围内在梨皮和梨肉上添加回收率均为90%以上;鸭梨经咪鲜胺40、50 ℃处理较0 ℃处理后在梨皮上的残留量显著升高,在梨肉上的残留量微有上升.另外,鸭梨的残留咪鲜胺在储存过程中逐步降解,常温储存较低温储存降解速度显著加快,其残留代谢物主要集中于果皮,而果肉部分残留极少.     

7050铝合金搅拌摩擦焊接头组织特征研究

针对7050铝合金搅拌摩擦焊接头,给出各组织特征区的定义,并对各特征区的组织状态、晶粒大小、沉淀强化相分布等进行深入的分析。为同材质的铝合金搅拌摩擦焊接头的综合性能评估提供更好的依据。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

液体火箭发动机高速涡轮泵的振动故障检测

讨论了涡轮泵故障的几个主要原因，据此提取涡轮泵振动数据的特征，用BP神经网络的方法进行故障检测。BP神经网络的训练样本集由一个具有无监督聚类功能的神经网络从原始的特征向量集获取。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

液体火箭发动机故障特性动态模拟

以某大型泵压式供应系统液体火箭发动机为研究对象, 建立了液体火箭发动机非线性动态数学模型。针对已发生过或可能出现的故障形式, 以阶跃形式输入, 进行了故障状态下动态特性模拟。数值方法用四阶定步长龙格-库塔方法发展而成的自适应变步长龙格-库塔法。计算结果表明, 所建模型较精确合理, 数值方法满足故障模拟的要求。该工作为故障模式提取、监控参数优化选择、基于模型的故障检测与诊断等发动机健康监控问题的研究奠定了基础。      

基于人工噪声神经网络BP算法的火箭发动机故障仿真与检测

研究了用于液体火箭发动机故障仿真与故障检测的神经网络ＢＰ算法。在ＢＰ算法中采用了加噪声等技术来避免系统误差陷入局部极小，训练出精度高（误差小于０．０２）的神经网络，试验表明：神经网络ＢＰ算法成功地用于故障仿真与故障检测。     

基于模型的液体推进系统故障诊断算法

给出串联双涡轮结构以泵作为供应系统的液体火箭发动机系统故障仿真的准动态数学方法和基于灰色关联度分析的实时诊断算法。该算法对于调整计算确定的具体系统和预先设定的典型故障模式进行仿真计算、事先形成该发动机系统的故障模式样本集。试车时, 利用诊断算法对采集的发动机性能参数进行实时分析, 从而给出发动机所处的健康状况, 以便及时采取措施, 提高发动机的安全性和可靠性。