模拟涡轮叶片冷却通道的热驱动实验研究

在新型超级冷却技术机理研究的基础上,采用模拟涡轮叶片冷却通道的物理模型,对新型超级冷却热驱动换热特性展开实验研究。主要研究了旋转条件下,新型超级冷却的主要影响因素和热驱动换热特性。通过实验研究,结果表明:旋转速度、热流密度和冷气进口速度对新型超级冷却具有显著的影响,并且随着它们的增大,新型超级冷却的换热效果有不同程度的提高。      

共因失效率的不确定性评估

利用影响矢量法中定义权值的思想并对其进行扩展,针对数据的不确定性问题,提出了一种新的共因失效率的计算方法。该法综合考虑评估和统计的不确定性,利用概率生成函数,根据权值来获得系统多重失效率的均值和方差。算例表明,在计算共因失效率均值时,该法与传统的近似计算法获得了相同的结果,而在计算方差时,传统的近似法给出了过于乐观的结果。     

某型飞机发动机地面起动故障解析

通过一起发动机地面起动不成功故障分析 ,介绍了逐条排查找出故障原因的方法及排故方法。某次故障发生后 ,通过涡轮起动机、综合调节器、起动自动器、飞机电气系统、燃油泵—调节器检查得知 ,它们的工作参数均满足发动机起动过程中的技术要求 ,但燃油分配器去主燃烧室第 1级集油官的燃油压力在n2 >18%时不符合技术要求。通过对燃油分配器前后的燃油压力分析 ,得知造成发动机起动不成功的根本原因是燃油分配器调整不当。排除飞机起动故障时应综合考虑各种因素 ,一一加以排查和分析 ,排除故障时应由简到繁 ,由外及里进行 ,以减少人力物力和时间的浪费     

数字摄像在脉冲推力器性能分析中的应用

为更详细地分析脉冲推力器的实际工作性能,弥补传统推力和压力曲线分析的不足,利用高速数字摄像仪拍摄了脉冲推力器尾焰图像,根据图像特征进行了推力器工作性能的辅助分析,结果表明:尾焰图像特征可以反映脉冲推力器的点火启动性能和实际推力特性以及推力器的工作效率,将图像分析与推力或压力分析相结合可以更全面地进行脉冲推力器性能分析,有利于推力器设计性能的进一步提高。     

飞行模拟转台高精度数字重复控制器的设计

从工程的角度讨论了离散重复控制系统的设计,所提出的重复控制方法可保证速度跟踪误差快速收敛为零。在重复控制器中采用了高阶低通滤波器和动态补偿器,改善了跟踪精度,保证了系统的稳定性,减少了周期性扰动误差。将所提出的方法应用于飞行模拟转台伺服系统的速度控制中,仿真结果表明,针对周期指令信号和周期干扰信号可保证较高的跟踪精度和较强的稳定性和鲁棒性。     

碳/环氧复合材料钻孔刀具磨损机理研究

对高速钻削碳／环氧复合材料的刀具磨损特性、刀具磨损对钻削力的影响等进行了研究。结果表明：钻削彬环氧复合材料时，刀具磨损的原因主要是磨粒磨损（或质点磨损），随着刀具磨损的加剧，轴向力持续增加，扭矩的增加逐渐趋于平缓，因此控制刀具磨损是减小轴向力最有效的手段之一。     

基于软件的无人机故障注入技术研究

故障注入是一种用于容错计算机系统验证的有效技术,其应用效果直接取决于所采用的故障注入方法的正确性。文中采用硬件覆盖和故障模型的方法,模拟无人机系统的硬件故障,并着重讨论了在总线上注入故障的试验策略。然后用软件的方法构造了一个用于测评无人机飞行控制系统容错控制机制的故障注入工具UAVFI_01。在无人机动态测试过程中,故障注入试验结果表明了这种方案的正确性和可行性。     

直升机悬停及低速飞行阶段轴间耦合试飞技术

从试飞员角度出发，分析了直升机轴间耦合现象产生的原因，讨论了ADS-33D规范中有关轴间耦合问题的要求，提出了武装直升机轴间耦合试飞方法、数据处理方法、试飞驾驶技术要点以及试验过程中应注意的事项，可供从事武装直升机飞行试验的技术人员和试飞员参考。     

均值检验方法及其在冗余惯性导航系统中的应用

采用了非线性滤波的方法对影响故障检测及分离（FDI）性能的传感器误差进行了补偿,同时提出了故障检测与分离的均值检验方法（MVT）,该方法可以对2个传感器同时出现故障的情况进行检测与隔离。5个陀螺冗余惯性导航系统仿真结果验证了本文算法的有效性。     

SENSOR FAILURE DETECTION AND SIGNAL RECOVERY BASED ON BP NEURAL NETWORK

Manyhighpefformancecontrolsystemsmusthavefauhtolerantabilityagainstsensorfailures.Theapplicationofprevioussensorfailuredetectinnmethods,mostlybasedonanalyti-calredundancy['Jlislimitedbecausetheyrequireaprecise.mathematicalmedel.BPneuralnetwork(BPNN)isabletolearnanycomplicatedcontinuousnonlinearfunctions,therefore,itcanbeusedtodetectsensorfailuresandrecoverthesignalforthefailedsensor'Recentpubli-cationshavedemonstratedtheuseofBPNNfordetectingsomkindofsensorfailuresandre-coveringthefailedsen…