三组元喷嘴雾化特性的试验研究

三组元喷嘴是气氢／液氧／煤油火箭发动机的重要部件,对４ 种类型的三组元喷嘴进行了雾化特性试验, 研究了喷嘴的雾化特性随各组元喷注压降的变化规律, 分析了喷嘴结构对雾化性能的影响, 比较了相同工况下单喷嘴和三喷嘴的雾化性能, 进行了三组元工况和双组元工况下的雾化特性试验, 试验结果表明同轴离心内混式喷嘴的雾化性能较好。所得结论对三组元喷嘴和气液同轴式喷嘴的优化设计有重要的参考价值     

应用BP-ART混合神经网络的推进系统状态监控实时系统

应用ＢＰ－ＡＲＴ混合神经网络提出了一种供推进系统状态监控实时使用的系统,其拓扑结构为： 第一层处理单元由ＢＰ神经网络组成, 每个ＢＰ网络代表一个相应的推进系统组件; 第二层处理单元为一个ＡＲＴ神经网络, 网络的每一个输出代表推进系统的一种“健康状态”, 据此可对其故障进行“诊断”。该混合结构充分发挥了两类网络的优点, 给出的具体应用实例也显示出在推进系统实时状态监控与故障诊断应用中的有效性     

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。     

火箭发动机－超音速扩压器－蒸汽引射泵组合式高空模拟试验系统的性能研究

通过对火箭发动机－超音速扩压器－蒸汽引射泵组合式高模拟系统的理论分析和实验研究，提出了扩大ＧＳ－１高空模拟试车台试验能力的几项新方案。     

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。      

可调汽蚀文氏管试验研究

通过对两种可调汽蚀文氏管的试验研究,掌握了其流量调节性能和流量特性,获得了可调汽蚀文氏管的针锥具体位置与其流量的对应关系,解决了试验过程中遇到的滚珠丝杠自锁、电机调节精度和可重复性较差的问题。所得结果为可调汽蚀文氏管的实际应用奠定了基础。     

免疫算法在火箭发动机静态特性研究中的应用

发展一种研究全流量补燃循环液体火箭发动机静态特性的算法一免疫策略算法。采用免疫策略算法求解液体火箭发动机的静态特性方程组，将该模型的非线性方程组求解问题转化为求带有约束的极小值的优化问题，建立了免疫策略计算模型。设计了免疫策略计算中使用的交叉算子和变异算子，叙述了免疫操作的处理过程。数值计算的结果表明，利用基于免疫策略的算法可以在较大范围内进行全流量补燃循环液体火箭发动机的静态特性研究，并且减轻原有进化算法在计算后期的波动现象，使得收敛的速度得到较大提高。     

液体火箭发动机推力室冷却通道传热优化计算

采用标准K-ε两方程湍流模型对液体火箭发动机推力室再生冷却通道三维湍流流动与传热过程进行了数值预测，冷却工质为氢气，其密度、导热系数、动力粘度随着温度和压力而变化，通过两种优化方案来改变推力室冷却通道的深宽比。方案一为保持冷却通道的深度及肋宽不变，通过改变推力室壁面通道个数来改变通道的深宽比，方案二为保持通道数目不变，通过增加或降低通道高度来改变通道的深宽比。以此计算在不同通道深宽比下推力室壁面的传热特性，并进行了优化分析。计算结果表明：存在着一个最佳冷却通道个数，使得推力室壁面再生冷却效果达到最佳；在相同质量流量下，降低通道高度能够强化推力室传热，但同时增加了进出口压差。     

液体火箭发动机推力室冷却通道流动与传热数值研究

采用气固耦合算法对液体火箭发动机推力室再生冷却通道的流动与传热过程进行了三维湍流流动与传热数值模拟，冷却工质为氢气，其密度、导热系数、动力粘度随着温度和压力而变化。应用大涡模拟及标准k-ε双方程模型两种湍流模型分别进行数值模拟，详细揭示了再生冷却通道固体区和流体区内的速度场和温度场，并在不同的计算网格数目下对两种湍流模型的计算结果进行了对比。结果表明，在相同的网格条件下，标准k-ε双方程模型与实验数据的吻合精度比大涡模拟模型更好，且满足工程计算精度。随着网格数的增加，大涡模拟的计算精度逐渐得到改善。