某型导弹贮存架模态分析

基于ANSYS软件平台,在模态分析理论基础上,对某型舰载导弹贮存架结构进行了模态分析,得到了贮存架结构前十阶模态结果;着重分析了前五阶模态振型,指出了贮存架弯曲振动和扭转振动是其结构动态特性的主要表现形式;指出针对导弹贮存架结构进行的模态分析,可为贮存架结构的动力学研究工作提供基础和依据。     

一种改进的FMCW SAR RD成像算法

FMCWSAR将调频连续波与合成孔径成像技术结合于一体,是一种新近被提出来的成像雷达体制,它以其体积小、重量轻、成本低、分辨率高等一系列优点,引起越来越多的关注。然而,在FMCWSAR系统中,雷达连续不断地发射信号,调制信号周期相对较长,停一走（STOP AND GO）近似不再成立,所以要用合适的算法来实现成像。针对FMCW SAR的特点,详细推导了停一走近似失效时FMCW SAR的信号模型及处理过程,提出了一种改进的RD算法。此方法是通过补偿连续运动引入的多普勒频移,消除连续运动的影响。     

液氧/煤油补燃发动机低频频率特性研究

基于模块化层次化的建模技术,建立液氧/煤油补燃发动机的线性小扰动频率特性仿真模型.在建模过程中,重点考虑了绝热流动假设和熵波影响下的气路模型.依据交流流体网络理论,运用传递函数法分析了该型发动机的低频频率特性,为研究液体火箭的纵向耦合振动(POGO)及发动机动力学提供帮助.      

电磁阀式两相脉冲爆震火箭发动机试验

为了提高脉冲爆震火箭发动机的工作频率,设计了一台内径30mm,长度1000mm的电磁阀式脉冲爆震火箭发动机模型.脉冲爆震火箭发动机模型采用航空煤油为燃料,压缩氧气为氧化剂,压缩氮气为隔离气体,通过选用高速大流量电磁阀,加热燃料,安装Shchelkin螺旋等方法,使得该模型能够在20～30Hz频率下多循环稳定工作.工作频率为30Hz时,爆震波峰值压力达到2.2MPa.脉冲爆震火箭发动机的时均推力随着工作频率的提高接近线性增大.      

超磁致伸缩致动器轴向谐振频率计算与实验研究

 为提高超磁致伸缩致动器(GMA)的设计效率,建立了GMA动力学模型和ANSYS有限元模型,对其轴向谐振频率进行了计算和模拟,并进行了GMA轴向谐振频率分析实验。通过实验数值和计算值及有限元分析结果的对比,动力学模型计算所得的GMA轴向谐振频率与实验值的误差小于5%, ANSYS分析所得的GMA轴向谐振频率与实验值的误差小于3%,验证了动力学模型和有限元模型的有效性。最后,通过ANSYS有限元分析了GMA各部件对其轴向谐振频率的影响,并提出利用有限元分析来提高GMA的结构刚度从而改善其轴向谐振频率的方法。     

飞机外形和结构件反求建模技术研究

 探讨了基于特征的飞机外形和结构件反求建模策略,并给出曲面特征和实体特征的定义,该方法支持具有完整特征表达的模型快速重建。提出了大规模散乱数据k近邻的空间球搜索算法,其逐步增大搜索范围的策略可有效提高搜索效率。研究了结构件与外形相关曲面特征的重建方法,当贴合面较窄、外形线接近于直线时,采用直纹面逼近,否则由蒙皮曲面等距间接求取。研究了基于工程约束的曲面形状修改算法,以B样条曲面需满足的点、线、面几何约束为目标约束,通过最小化形状修改前后差曲面的弯曲能得到精确满足目标约束的光滑曲面,推导了曲面弯曲能和曲线约束的表达式。最后,以飞机翼肋模型反求为例验证了所提方法的可行性。     

弹体接头对全弹结构动力特性影响研究

在对导弹结构的固有动力特性和响应分析中,我们会发现,轴向分布的接头对于全弹的刚度和阻尼特性都带来明显的扰动,对固有频率的影响最大甚至可达25%左右.所以我们必须对导弹弹体接头的动力特性及它对全弹动力特性的影响做深入研究,从而有效地确定全弹动力特性和数学模型,可靠地控制全弹的结构动力响应特性 [1].     

VS-CMA盲均衡算法在短波数据通信中的应用研究

在美军标MIL-STD-188-110B基础上,改进短波（HF）数据通信发送端数据流结构,以便接收端对信号进行盲均衡处理。基于8PSK调制信号的峰度为恒定值的统计特性,提出采用均衡输出信号的峰度与理想信号的峰度差异,以调整恒模算法（CMA）的步长因子;并针对国际电联推荐的短波信道参数,进行了算法的性能仿真。仿真分析表明该算法对慢衰落的短波信道具有较好的均衡效果,对快衰落信道的均衡能力有限;应对快速衰落信道,算法还有待进一步改进。     

航空发动机管路流固耦合固有频率计算与分析

本文使用ANSYS有限元软件对航空发动机管路的流固耦合振动进行分析研究。讨论了管内流体质量、压力、温度,管路形状、截面尺寸对管路流固耦合固有频率的影响。最后,考虑上述所有影响因素,对一实际发动机燃油管路进行计算．得到了其固有频率和振型。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.