一类二阶三点边值问题解的存在性

运用上下解方法,研究了一类二阶混合非线性边值条件的三点边值问题,通过构造了适当的非线性辅助函数工得到了解存在的充分条件,推广和改进了某些已知的结果。     

Specific grinding energy and surface roughness of nanoparticle jet minimum quantity lubrication in grinding

Nanoparticles with the anti-wear and friction reducing features were applied as cooling lubricant in the grinding fluid. Dry grinding, flood grinding, minimal quantity of lubrication（MQL）, and nanoparticle jet MQL were used in the grinding experiments. The specific grinding energy of dry grinding, flood grinding and MQL were 84, 29.8, 45.5 J/mm³, respectively. The specific grinding energy significantly decreased to 32.7 J/mm³ in nanoparticle MQL. Compared with dry grinding, the surface roughness values of flood grinding, MQL, and nanoparticle jet MQL were significantly reduced with the surface topography profile values reduced by 11%, 2.5%, and 10%,respectively, and the ten point height of microcosmic unflatness values reduced by 1.5%, 0.5%,and 1.3%, respectively. These results verified the satisfactory lubrication effects of nanoparticle MQL. MoS₂, carbon nanotube（CNT）, and ZrO₂ nanoparticles were also added in the grinding fluid of nanoparticle jet MQL to analyze their grinding surface lubrication effects. The specific grinding energy of MoS₂ nanoparticle was only 32.7 J/mm³, which was 8.22% and 10.39% lower than those of the other two nanoparticles. Moreover, the surface roughness of workpiece was also smaller with MoS₂ nanoparticle, which indicated its remarkable lubrication effects. Furthermore,the role of MoS₂ particles in the grinding surface lubrication at different nanoparticle volume concentrations was analyzed. MoS₂ volume concentrations of 1%, 2%, and 3% were used.Experimental results revealed that the specific grinding energy and the workpiece surface roughness initially increased and then decreased as MoS₂ nanoparticle volume concentration increased.Satisfactory grinding surface lubrication effects were obtained with 2% MoS₂ nanoparticle volume concentration.     

不同热值生物燃料燃烧特性数值模拟

采用标准k-ε湍流模型、涡耗散湍流燃烧模型、P-1辐射传热模型对二维简化燃烧室燃料甲烷气、沼气、生物质气的燃烧特性进行了数值模拟.通过比较不同截面的燃烧情况,分析燃烧室内的温度分布、NOx质量分数分布、流场结构,研究了不同热值燃料的燃烧特性.结果表明:在入口空气、燃料质量流量相同的条件下,随着燃料热值降低,燃烧温度降低,温度分布更均匀,NOx排放量减少,流动速度降低;适当调节余气系数,能改善燃烧效果,温度分布仍满足高热值燃料燃烧温度高于低热值燃料燃烧温度的规律;在生物燃料混合气中掺入不同热值的可燃成分,可改变混合气的热值,恰当的混合比例能更好地发挥生物燃料的作用.     

民用飞机制造商的机队运行警戒值管理方法及应用

民用飞机制造商为充分了解和掌握机队运行可靠性状况,针对每一种机型的机队设定适当的门限值,将机队每个月的运行可靠性指标值与该门限值进行比较,从而快速掌握机队警戒状况,这是可靠性分析中基本的分析模式,其中门限值即警戒值。阐述了民用飞机警戒值的管理方法,详细说明了警戒值从计算、审批、修订到最终生效的整个管理流程,并对警戒值管理方法在ARJ21-700 飞机试飞过程中的应用进行了介绍。     

Gd2SiO5纳米粉体的并流化学共沉淀法合成

以Gd₂O₃和正硅酸乙酯(TEOS)为原材料,采用并流化学共沉淀法合成Gd₂SiO₅粉体材料。研究Gd₂SiO₅前驱体的热响应特征、Gd₂SiO₅粉体的物相组成和微观形貌,并对Gd₂SiO₅粉体的合成机理进行初步探讨。结果表明:前驱体的低Gd/Si摩尔比和反应体系的高pH值会导致Gd₂SiO₅粉体生成Gd_9.33(SiO₄)₆O₂杂质相,相反则会导致生成Gd2O3杂质相。当Gd/Si摩尔比为20∶11、pH值为9~10、合成温度为1000~1300℃时,合成的粉体纯度较高,Gd₂SiO₅颗粒呈不规则形貌特征,平均粒度为100~200 nm。Gd₂SiO₅合成过程中,前驱体以一种—[Si—O—Gd]—网络结构存在,在煅烧过程中逐渐转化为Gd₂SiO₅晶体以及Gd_9.33(SiO₄)₆O₂和Gd₂O₃杂相。     

飞翼无人机机动飞行非线性反步控制律设计

飞翼布局无人机具有操纵能力不足、非线性和耦合性强的特点。传统的反步控制方法能够提高飞翼 无人机系统的鲁棒性,但是存在奇异值计算、保守性等问题。本文提出一种改进的反步控制方法。建立飞翼无 人机仿射非线性模型,运用该方法进行鲁棒控制器设计,并进行仿真验证分析。结果表明:该方法解决了传统 反步控制方法所具有的奇异值计算、保守些问题,突破现有鲁棒设计方法对系统不确定性范数上界已知要求的 限制,所设计的控制器鲁棒性较高。     

基于DS算法的混胺燃料近红外光谱分析模型传递

对混胺燃料的近红外光谱分析模型的传递方法进行研究。采用 K/S(Kennard/Stone)算法选择转换集样品,采摘用直接校正(Direct Standardization,DS)算法对从仪器采集的光谱进行校正。通过光谱平均差异(ARMS)比较奇异值分解(Singular Value Decomposition,SVD)算法和偏最小二乘法(Partial Least Squares,PLS)对光谱校正的效果。当 PLS算法的最佳主因子数为 3时,DS-PLS算法的光谱校正率可达到 97.5%,优于 DS-SVD算法。混胺样品的分析模型经过 DS-PLS算法传递后,对从仪器的混胺样品各项指标的预测标准偏差(SEP)明显好于传递前,与主仪器预测效果接近,说明采用 K/S算法选择合适的转换集样品后,通过 DS-PLS模型传递算法可有效降低仪器间的光谱差异,实现近红外光谱分析模型在各台光谱仪之间共享。     

命中精度Bayes推断中基于P值的验前可信度建模

在对散布参数验前可信度的定义与必要性进行分析的基础上,给出了给定散布参数（方差）的P值计算模型,构建了一维散布分析时验前分布可信度的P值模型,给出了验前P值与验前可信度的定义,并对其变动情况进行了阐述,给出了验前分布的拒绝条件.对二维散布分析条件下的验前可信度分析,分别构建了验前P值的独立求解模型和集成求解模型.并从0.05,0.2,0.4区分的数据区间,给出了验前分布选择的原则和要求.基于案例比较可见,验前可信度能较为显著地完成验前分布的差异化比较,相对现有的仅对验前可信度的定性说明,基于P值的验前可信度建模与计算,不仅能完成验前可信度的量化计算,而且能从概率的角度对验前分布选择的正确性进行假设检验.      

基于小样本物理测试的T800H碳纤维复合材料许用值虚拟大样本技术研究

获得材料许用值的传统方法是对各种形式的材料和试样进行物理试验,并根据"积木式"方法逐级验证单元、子部件和部件。然而,按照"积木式"方法进行测试的成本很高。因此,需要一种新的方法,在较短的时间内完成新材料体系表征鉴定,并推进其在工程中的应用。根据FAA/ASTM建议,非均质单胞多尺度建模/虚拟测试技术,可以成为设计应用过程早期的材料和结构的验证策略。以材料的细观力学/宏观力学为基础,充分考虑制造过程,测试数据和服役环境影响,结合渐进失效分析来预测结构/部件安全性,建立了多尺度虚拟测试工程应用流程。本文采用美国AlphaSTAR公司研发的成熟商业软件平台GENOA,使用单向带测试的统计数据来逆推纤维和基体材料性能以及制造变量的不确定性。这些不确定性随后被用于生成层合板结构的随机虚拟测试试样,计算许用值。这种仿真方法在T800H项目中获得成功应用,大量减少了物理试验。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。