平板型MLHP温度波动研究

环路热管(Loop Heat Pipe,LHP)是一种靠蒸发器的毛细芯产生毛细力驱动回路运行,利用工质相变来传递热量的高效传热装置。研制了一套平板式蒸发器、风冷式冷凝器的小型环路热管(MLHP),MLHP的毛细芯为500目不锈钢丝网,工质为丙酮,蒸发器、冷凝器以及所有管路均由紫铜制成。主要研究了平板型MLHP在不同热负荷条件下的温度波动特性,并重点研究了倾角以及充灌量等对MLHP系统温度波动的影响,且给出相应的合理解释。实验结果表明,平板式MLHP在2~3W/cm2热流密度区间范围内容易发生温度波动。     

可展桁架天线在轨运行中温度场分析

利用热传导辐射理论,并引入天线所处的轨道条件。可计算可展桁架抛物面天线在轨运行时不同时刻的温度场.利用Fortran语言,编制了基于上述理论的有限元程序,可计算各种轨道条件下不同时刻天线的温度场.还可用于指导天线的热变形分析和热控制设计.      

基于有限单元热网络法的航空发动机主轴轴承热分析

航空发动机主轴轴承温度场的精准预测对保证发动机润滑系统及整机稳定运转至关重要.针对传统热网络法精度低的问题,提出一种基于有限单元思想的有限单元热网络法.将轴承结构通过网格划分为有限个单元体,每个单元体设置一个温度节点代表该单元体的集总参数,节点间构建热阻关系并形成热网络,通过求解以温度为未知量的大型稀疏矩阵线性方程组来...     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。     

小波变换数值均匀化方法求解振荡系数的方程

将小波数值均匀化方法用于求解二维快速振荡系数的抛物型方程.小波数值均匀化方法基于小波的多分辨分析,在细尺度空间上得到原方程的半离散方程,然后利用小波映射得到粗尺度空间的数值均匀化方程,即可在粗尺度上求解原方程,有效地减小了计算量.计算结果表明:小波数值均匀化方法与精细剖分的有限差分法相比较,既大大地节省了计算时间又获得了较好的精度.     

改进FDTD／集总源模型分析航天器场线耦合

针对典型的电磁脉冲对航天器电缆耦合问题,建立了航天器场线耦合分析模型。在场分布计算方面,采用基于平均电参数和分析目标与 Yee网格不重合的边缘部分修正的改进时域有限差分法。在场线耦合方面,建立基于集总等效源模型的多导体传输线瞬态响应模型,将外场在传输线上激励的分布电压源和电流源与传输线指数矩阵解耦,建立了集总等效电压源和电流源模型。采用分析模型分析运载内一根电缆受电磁脉冲影响的响应,结果表明,即使存在屏蔽作用,电磁脉冲在电缆上耦合的干扰足以损毁设备。     

一类逆风ENO线方法的构造及其对Euler方程的应用

本文利用ENO(essentially-non-oscillatory)插值思想,对非线性双曲型守恒律=0提出了一类逆风ENO线方法,使用这种格式其计算量比C.Shu在文[6]中提出的通量分裂方法明显减少,进而同Runge-kutta时间离散相结合,提出了时空高精度差分格式。本文还把这类方法推广到方程组并用于计算Euler方程组的黎曼问题和拟一维喷管问题,得到了比较满意的数值结果。     

三维曲线坐标系N－S方程通用形式和数字解

运用张量分析理论，比较简捷地导出了三维任意曲线坐标系上椭圆型Ｎ－Ｓ方程的通用形式。在对这些方程进行数值离散时，采用了有限控制体积的非交错网格设置，该算法以ＳＩＭＰＬＥ为基础，为了抑制压力振荡场的出现，在压力修正方程中对压力梯度的离散附加一项１—δｘ的差分。作为算例，本文给出了三维９０°强曲率弯曲管道中气流的不可压缩紊流状态的数值计算结果，并与相关的实验数据进行了对比，结果是满意的。     

几种流体壁面剪切力测压管的性能研究

对四种壁画型流体剪切力测量差压计Ｓｔａｎｔｏｎ管，Ｋ型管，穴型管，及微孔表面差压管在湍流边界层条件下进行试验并对其结构特点进行比较后表明，这四种差压计具有相同的特征，所测量的区差均为流量动量变化所致，其流体剪切力可以表示为τ＝Ｃ△Ｐ￣ｎ，为避免对标定数据过于繁复的多段拟会，并使差压计能在较大测量范围内保持拟合公式的精度，各类差压管在与固体壁画铅垂方向上的尺度值应尽量低，微孔表面差压管结构复杂，灵敏度低，但它具有线性特性。     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。