基于成分的燃烧室出口燃气温度计算方法

针对燃烧室不同温度下燃气组成的不同,提出建立不同燃气模型以推算燃气温度的两种计算方法。基于物质守恒、化学平衡和能量守恒原理建立温度计算方程,根据能量守恒方程的不同表达形式给出平均比定压热容法和焓值法,同时给出两种求解非线性方程组的数学解法:三变量迭代法和牛顿法,并采用VB(Visual Basic)编制燃气分析测试程序实现温度算法。列举计算实例比较两种算法的区别,结果显示:随着油气比的增加,两种计算方法得到的燃气温度相差越大,考虑热离解的高温算法结果更小,原因在于燃气中离解组分的摩尔分数随着温度升高而增加,燃烧实际放热量减小,导致燃气温度减小,所以当燃气温度较高时建议采用高温算法更符合实际燃烧情况。      

高密度永磁同步电机的变参数等效磁网络分析

针对双“I”型转子结构的内置式高密度永磁同步电机(PMSM),基于MATLAB/Simulink平台提出了一种变参数等效磁网络法,充分考虑转子漏磁,且通过变参数环节,自动调节各部分磁导率,计算铁心饱和,提高了变参数等效磁网路法的计算准确性。利用该磁网络,分析了转子尺寸参数对电机空载电磁性能以及气隙磁密波形的影响,为高密度PMSM初步设计提供了一种有效快速的分析手段。     

双定子涡流制动器电磁参数对制动力矩的影响

介绍了双定子涡流制动器(DSECB)的工作原理。根据等效磁路法推导了DSECB制动力矩公式。利用有限元法对DSECB进行了3D仿真分析。详细分析了DSECB各电磁参数对制动力矩特性曲线的影响,为DSECB优化设计提供了参考依据。     

一种基于张氏标定法的单目相机改进标定算法

单目视觉在地面机器人等无人导航系统中的应用越来越广泛,而相机参数的标定是利用视觉进行导航的基础性工作。标定结果的好坏,直接影响导航性能和定位精度。主要考虑单目相机的径向畸变,基于张正友平面标定法,通过利用Matlab进行图像预处理、利用OpenCV进行Harris角点检测和亚像素精确化等方法在角点提取精度等方面进行了改进,通过重投影法对标定结果进行了评估,并将其与Matlab相机标定工具箱Toolbox_calib所得结果进行了比较。实验结果表明,改进的标定算法标定结果精度更高,并且对多个摄像头传感器均有效,适用性强。     

基于金字塔模型和L-M法的某固体发动机可靠性评定方法

固体发动机由众多部件组成,并且各部件的可靠性分布均不相同,若要全面评定发动机结构可靠性,则需要较大的子样数。因此,采用全尺寸、全系统试验来全面评定发动机可靠性的方法是行不通的。为了解决此问题,提出利用发动机的基础组件的可靠性数据,建立发动机系统的金字塔模型,再通过数据等效折算,将各组件不同分布的可靠性试验数据折算成成败型数据,采用L-M法综合评定了某型固体发动机可靠性。     

30CrMnSiA缺口试样低周疲劳寿命研究

缺口会导致严重的应力集中,并降低结构的使用寿命,研究缺口部位的低周疲劳寿命具有重要意义。基于弹塑性全量理论建立30CrMnSiA材料的弹塑性本构关系,采用损伤力学-有限元法预测30CrMnSiA材料缺口试样的低周疲劳寿命,并与相应的试验结果进行对比。结果表明:基于弹塑性全量理论建立的弹塑性本构关系方法合理,采用损伤力学方法得到的疲劳寿命预测结果基本满足工程实际要求,该方法可用来对30CrMnSiA缺口试样进行低周疲劳寿命预测。     

航空发动机静叶联调机构运动分析及优化

针对航空发动机可调静子叶片联调机构运动关系复杂、优化难度大的问题,研究了一种采用图解法和齐次坐标法结合MATLAB软件推导两级联调机构运动方程,并运用遗传算法对两级机构中的关键构件进行联合优化的方法。运用该方法对指定联调机构的两级曲柄可调端长度、可调端与固定端夹角进行了优化求解。得到了最优解,使得第一级摇臂转动角度是第零级摇臂转动角度的2倍,且第一级摇臂转动角速度也是第零级摇臂转动角速度的2倍。      

三维叶轮机叶片黏性反问题设计改进方法

提出了一种改进的适用于三维黏性流场的叶轮机叶片反问题设计方法。该方法假设叶片的中弧线具有虚拟移动速度,其位移量由目标载荷与实际载荷的差值计算,并利用黏性底层厚度进行限制。采用三次B样条曲线插值方法对叶片中弧线进行光顺,新叶型通过更新后的中弧线和给定的叶片厚度得到。算例验算结果表明:该方法能够根据设计意图对叶型进行修改,鲁棒性强,收敛速度快,叶片的可变自由度高,不依赖于特定的网格和求解器,具备一定的通用性。      

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。