高超声速飞行器DSMC／EPSM自适应当地时间步长混合算法

采用优化的DSMC/EPSM混合算法,研究了高超声速飞行器三维复杂流场在近连续区的气动力热特性.发展了一种DSMC/EPSM自适应当地时间步长混合算法,根据网格内仿真分子的碰撞数,自动调整网格中进行仿真分子运动和碰撞计算的时间步长,有效地提高了程序的计算效率和计算精度.用DSMC方法、DSMC/EPSM混合算法和DSMC/EPSM自适应当地时间步长混合算法对比计算了三维复杂飞行器流场压力、热流分布量,飞行器表面气动力、热分布参数,证明了DSMC/EPSM自适应当地时间步长混合算法大幅度缩短了流场稳定所需的CPU时间,并且不降低流场模拟结果的精度.     

螺旋桨振动传递试验研究

建立了某型螺旋桨的传力结构与动力学模型,对其振动传递路径进行了分析;采用锤击方法进行了螺旋桨振动传递试验研究,得到了由螺旋桨到功率输出机匣的振动传递率,应用该振动传递率对功率输出机匣测量振动进行了修正,并将其结果用于螺旋桨叶片振动应力计算。结果表明,试验研究方案可行。     

旋转叶片整阶次振动双参数分析与仿真

介绍了1种利用非接触式测量技术分析旋转叶片整阶次振动分析的新方法。利用单自由度振动系统,对该方法进行了仿真验证,获得了满意的结果。该方法可用于旋转叶片频率测量。     

短波段内多重信号分类算法的窄带假设分析

经典空间谱估计算法的两个适用假设是远场平面波和窄带信号。文章利用7单元均匀线列阵仿真分析了短波波段内多重信号分类（MUSIC）算法的窄带假设上限带宽。可以发现：对于短波信号,50kHz的带宽所带来的测向误差不超过O．08°。这就意味着,对于短波通信信号的侦察测向完全可以采用经典空间谱估计算法,比如MUSIC算法,而不需要为窄带假设来付出代价,这便为设计高精度的短波通信实时测向系统提供了条件。     

基于耦合场压电分析的失谐叶盘振动仿真模拟

针对典型失谐叶盘结构振动响应局部化实验需求,通过有限元仿真验证实验的最坏叶片失谐模式,基于ANSYS软件的直接耦合场压电分析功能,对粘贴在叶片根部的各压电陶瓷片施加行波谐激励电压,模拟了失谐叶盘的振动响应局部化特性。数值仿真结果与实验结果得到了良好的验证,为进行失谐叶盘振动局部化实验研究提供了有效的支撑。     

基于包络理论的刀位误差快速求解算法

 针对五坐标数控加工中刀位误差计算效率较低的问题,提出了一种基于包络原理的刀位误差快速计算方法。首先,通过描述刀位误差与最短距离线段的关系建立两者的关系式。其次,将工件曲面沿进给方向离散成若干条截型线,基于包络原理推导出工件曲面截型线到刀具曲面的距离最短点应满足的基本方程,通过求解该方程获得最短距离线段和刀位误差,建立误差分布曲线。最后,分析了W形和V形误差分布曲线的特点,对曲面截型线离散精度的确定方法进行了研究。在此基础上,设计了计算流程,开发了计算程序,算例结果表明:所提方法与原方法相比,计算效率有了很大的提高。     

运输机短舱挂架纵向位置优选数值研究

针对运输机的翼/身/架/舱干扰问题,本文基于Euler方程,采用笛卡尔直角网格,应用有限体积法对全机绕流流场进行数值计算,分析和比较了短舱挂架不同前伸量、下沉量的影响,提出了基于最佳前伸量和下沉量的优选配合位置,并与初始位置的全机气动特性进行对比。结果表明,获得的短舱挂架优选配合位置使全机气动特性得到了明显改善和提高。     

航空发动机整机振动故障模糊信息熵诊断方法

为了获得航空发动机整机振动故障征兆与故障原因之间难以确定的复杂隶属关系,提高故障诊断的准确率,基于模糊数学理论和信息熵理论,提出了基于模糊信息熵的发动机整机振动故障融合诊断方法。通过建立模糊信息熵融合诊断的数学模型,使定量分析与专家经验和定性分析相结合,并应用于某型航空发动机整机振动故障诊断。实际应用表明,基于模糊信息熵融合的诊断模型较单一的模糊诊断模型准确率明显提高,验证了该方法用于航空发动机整机振动故障诊断是有效的。     

激光冲击强化提高压气机叶片疲劳性能研究

根据1Cr11Ni2W2MoV不锈钢材料性能,确定了激光冲击强化参数;并通过标准试片疲劳试验,验证了该参数条件下激光冲击强化提高不锈钢材料振动疲劳寿命的有效性.设计了不锈钢叶片振动疲劳试验,确定了叶片冲击强化部位和方式,对强化叶片进行了型面检查、一阶弯曲振动疲劳试验和强化机理研究.结果表明:激光冲击强化后的叶片各个截面尺寸在设计范围之内,强化后叶片的应力-循环次数(S-N)曲线往上移动,提高了叶片的疲劳强度,在660MPa应力水平下,叶片的振动中值疲劳寿命提高70%;激光冲击强化引起的残余应力和表层微观组织变化是疲劳强度提高的主要原因.      

基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法

通过对航空发动机振动信号进行小波分解,依据多尺度空间局部能量分布和粗糙性提取基于子带信号能量加权广义粗糙度特征实现对振动情况的描述.然后将上述特征送入支持向量机(support vector machine,简称SVM)分类器进行训练,根据分类器的输出结果判断航空发动机的工作状态和故障类型.通过对实测航空发动机试车时得到的振动信号的实验分析结果表明,该算法可以有效地识别发动机的振动故障.