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。     

超声速气流中轴向涡强化混合及燃烧的数值研究

通过求解N－S方程，数值计算了扩张圆管内的非平衡流动，并研究了超声速混合和燃烧的强化技术。结果表明，在超声速领域，预旋燃料方式是一种比较有效的强化技术。     

推力级数、推力比和推力作用时间对弹道散布的影响

用详细的计算数据，在保持计算条件和总冲不变的情况下，分析了二级推力和三级推力方案时的方向密集度，从而得出了二级推力方案的方向密集度优于三级的结论，同时，提出了使方向密集度最小的最佳转换时间。     

采用内积原理建立航空发动机神经网络辨识模型

根据样本空间的内积特性,提出一种无需迭代学习内积神经网络。以某型航空发动机的机载记录数据为例,对发动机进行了建模,结果表明该方法具有自学习速度快、抗干扰能力强、准确性高的特点。     

固体火箭发动机绝热层缺陷对药柱燃面影响的数值模拟

发动机绝热层人工脱粘层局部产生缺陷时,经柱燃面曲线偏离设计曲线,导致发动机２内弹道性能也偏离设计为了模拟这种缺陷对药柱燃面的影响,扩展了原通用坐标程序地计算范围,并又新增加了一些基本图形的算法。改进后的算法可适用于绝热层有或没有缺陷的药柱燃面计算。针对绝热层缺陷建立了三种燃烧模型,计算分析了缺陷类型、结构与位置尺寸对药柱燃面的影响,为分析绝热层有缺陷的发动机性能的基础。     

发动机故障诊断主状态量模型的数学模型

发动机故障诊断的一种主要方法是根据故障方程和发动机性能参数的测量值确定故障的类别和故障程度,故障方程组通常是亚定的。主状态量模型是求解亚定的故障方程的有效方法。主状态量模型的主要内容是根据最少故障原理,利用最优化方法求解然后根据合理性准则选择合理最优解。本文详细地讨论了主状态量模型可能采用的数学模型,并且指出:(1)主状态量模型可以采用不同的数学模型求解;(2)并非所有的数学模型都能给出合理的结果。本文的研究结果表明,约束或无约束超定最小二乘法和单个优选的散度法是发动机故障诊断主状态量模型的理想算法,而本文中所讨论的其他算法都或多或少存在一定的问题。     

发动机故障诊断主状态量模型合理解的选择

主状态量模型是基于发动机故障方程的发动机故障诊断的一种十分有效的方法,它在发动机故障诊断上的成功应用已为大量实例所证实。发动机故障诊断主状态量模型的一个技术关键就是合理解的选择问题。本文给出了选择合理解的基本原则。这些原则可以有效地提高合理解选择的确定性和故障诊断的故障分辨率。对于JT9D发动机的大量故障实例利用主状态量模型(加权最小二乘法)进行了检验。故障诊断的成功率达90%以上,并且得到了许多有用的信息,文中给出了24个实例的故障诊断结果以及故障趋势分析的典型例子。     

整体式液体冲压发动机旋流燃烧室试验研究

介绍了在燃烧室进口安置旋流室和火焰稳定器后,在增加燃烧稳定性和强化燃烧方面所取得的突破性进展。地面热试车的结果表明,旋流室与火焰稳定器相结合的结构方案,能够有效地消除低频燃烧振荡,提高燃烧效率。     

单室双推力固体火箭发动机两级推力的最佳选择

从理论上探讨了单室双推力固体火箭发动机中影响其两级推力的主要因素。建立了导弹/发动机一体化设计的优化模型,对一种推进剂实现双推力,双燃速推进剂实现双推力两种情况分别进行了计算和分析。求出了使导弹射程达到最大,又能够在设计中实现的最佳推力方案。     

固体发动机无损检测新技术评述

文中阐述了无损检测新技术在固体发动机推进剂及多界面脱粘方面取得进展的部分情况。探讨和展示了装药发动机采用无损检测新技术中存在的难点及前景。