涡轮叶片前缘对冲孔排气膜冷却特性的数值研究

对涡轮叶片前缘对冲孔排和错位对冲孔排的气膜冷却特性进行了数值研究,分别在吹风比为05、10、15、20的工况下,分析了模型表面气膜冷却效率和表面传热系数的分布规律,对比了不同气膜孔排结构和孔间距对下游气膜冷却效率和传热系数的影响。结果表明:相比于传统同向倾斜孔排结构,对冲孔排结构并没有减弱气膜的冷却特性,反而在靠近端壁处比传统同向倾斜孔排更易于加工;两种孔排下的气膜冷却效率均随着吹风比的增大而减小,而传热系数值均随着吹风比的增大而增大;在孔排近下游范围内,随着孔间距的增大,气膜冷却效率逐渐减小且在小吹风比下更加明显,传热系数值随着孔间距的增大逐渐减小且在大吹风比下更加明显。      

锯齿单元对起落架/舱体耦合噪声抑制试验

当前中国民用飞机高速发展,噪声排放问题受到广泛关注。在飞机起降阶段,飞行高度较低且处于机场附近,其噪声直接影响到机场地面周围环境。该阶段内起落架噪声占比较大,成为研究的重点。此外,起落架在收放过程中,除自身脱落涡产生的噪声外,当起落架舱门开启时,舱体空腔内产生自持性振荡噪声,与起落架噪声一起形成更为复杂的起落架+舱体耦合噪声,直接影响到整个着陆系统噪声水平,因此研究起落架与舱体耦合噪声产生机理和抑制措施显得尤为必要。以简化的起落架及其舱体为研究对象,提出一种低马赫数（0.2Ma/0.25Ma）条件下,利用前缘锯齿扰流单元对起落架/舱体耦合噪声进行抑制的方法,并在0.55 m×0.4 m航空声学风洞进行试验验证。首先,从起落架及其舱体耦合噪声产生原因进行分析,分别明确起落架和舱体在耦合噪声各个频段的贡献作用。随后,在舱体空腔前缘安装锯齿扰流单元,以改变自由来流状态,验证降噪措施;同时采用参数化研究方法,研究锯齿扰流单元不同偏角对降噪效果的影响。最后,将起落架模型安装于舱体空腔内,分析锯齿扰流单元对耦合噪声的抑制能力。研究结果表明,锯齿形扰流单元对舱体腔体噪声与起落架/舱体耦合噪声具有明显降低作用,在本试验条件下,30°安装角最佳。预期成果可以应用于起落架/舱体耦合降噪。     

一种地形轮廓特征的立体视觉三维重建方法

针对自然地形轮廓特征的三维数据测量问题,提出了一种基于区域分割的立体视觉三维重建方法。先通过分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘。轮廓边缘按所属区域分组进行立体匹配,根据分割区域相互邻接的全局特征和各区域的位置、尺寸、灰度值局部特征建立区域约束,并根据区域边缘像素点梯度分布特点建立梯度方向约束,以减小立体匹配的搜索空间、优化匹配顺序、提高匹配精度。进而根据双目立体视觉的成像模型计算匹配边缘点的三维坐标,实现地形轮廓边缘的三维重建。实验结果表明,该方法能够快速有效地重建出体现地形三维结构特征的轮廓边缘,并具有较高的立体匹配正确率和重建精度。     

一种基于边缘检测的虹膜定位算法

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能。依据虹膜图像特点,提出了一种基于边缘检测的虹膜定位算法:首先利用Sobel算子提取虹膜图像的边缘;然后在边缘图中利用扫描线和直线拟合法粗定虹膜中心及半径;最后在原图边缘附近利用改进的Daugman算子进行虹膜精确定位。与传统的虹膜定位方法相比,该算法快速有效,提高了虹膜定位的速度和精度。     

涡轮叶片转弯流道换热分析与优化设计

对涡轮叶片冷却通道换热问题进行了研究,提出了新的结构设计方案,改善了叶片性能。采用流-热耦合分析方法对典型三腔回流式冷却叶片气动及传热性能进行了分析,得到叶片压力与温度分析结果,发现叶片最高温度出现在叶尖尾缘位置。对此提出了冷却通道两种新的结构方案,在不降低叶片气动性能的前提下,分别可降低叶片的最高温度和平均温度。通过分析发现,将两种结构特征进行组合,可同时较大幅度地降低叶片最高温度和平均温度,并对新型组合冷却通道进行了优化设计,与原结构相比叶片综合性能得到了较大提高。     

基于前缘吸力的直升机旋翼悬停诱导功率

本文得出了非定常可压缩升力面情况下直升机悬停时基于前缘吸力的旋翼诱导阻力及功率的计算公式,算例表明了它的适用性,此式可作为优化桨叶平面形状的基础。     

压力容器边缘应力的有限无分析

本文运用有限单元法对压力容器的边缘应力进行了分析，讨论了筒体和封头的边缘应力的分布。结果表明，利用有限单元法进行边缘应力的分析，简单易行、速度快、精度高。     

基于改进型Retinex算法的雾天图像增强技术

为增强雾天图像的对比度及颜色和亮度恒常性,提出了一种改进型Retinex算法雾天图像增强算法。使用改进的双边滤波器作为滤波函数,在保持边缘信息的同时去除噪声的干扰;并使用S型函数曲线对Retinex算法中对数域相减去除入射光分量的图像进行颜色恢复处理,增强整幅图像的对比度和感知特性,还原图像的色彩信息。实验结果表明,所提的改进算法能有效提高雾天图像的清晰度和对比度,相较原雾天图像清晰度提升约200%,标准差提升约110%,信息熵提升约10%。同时,可保持更加真实鲜艳的图像颜色,计算复杂度较低,满足实时性要求。      

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。