剪切对凝胶汽油表观粘度影响的实验研究

采用超声波震荡和机械搅拌的方式,制备了以SiO2为凝胶剂的凝胶汽油QNJ?1和QNJ?2,利用旋转式流变仪对QNJ?1和QNJ?2的表观粘度进行了实验研究。研究了凝胶剂含量、剪切速率以及预剪切对凝胶汽油表观粘度的影响,获得了该种类型的凝胶汽油在不同剪切速率下的表观粘度。实验表明,随着凝胶剂含量的增加,表观粘度增大,在低剪切速率条件下尤为明显;当凝胶剂含量相同时,表观粘度随剪切速率的增大而减小,且减小幅度越来越小;预剪切能够显著降低凝胶汽油的表观粘度。研究结果对于进一步了解凝胶汽油粘度对雾化的影响具有重要意义。     

电推力器中复杂电场求解的超松弛并行算法

目前,电推力器中复杂电场的三维泊松方程求解仍存在速度偏慢、并行性欠佳等缺陷。通过分解三维求解区域,针对复杂电场提出一种超松弛并行迭代算法。将求解区域划分为多个子块,利用超松弛迭代格式构造出若干分组显式格式,分别给出不同迭代步数下的求解方程以进行并行计算。通过数值模拟,计算时间至少缩短一半以上,该P SOR方法较传统迭代格式在快速性方面取得较大进展,对电推进领域的数值仿真研究起到促进作用。     

关于非扩张映像的修正粘滞迭代格式

设H是Hilbert空间,X是Banach空间,C是H或X中的非空闭凸子集,T是C→C的非扩张映射,且f是C→C的压缩映射。受H．K．Xu对粘滞迭代算法讨论的启发,提出一种新的粘滞迭代算法,xn＋1=T[（1-αn）xn＋αnf（xn）],n≥0,其中x0∈C,C是Banach空间中的非空闭凸子集,分别在Hilbert空间和Banach空间框架下证明了序列{xn}是强收敛的。     

q-一致光滑Banach空间中的严格伪压缩映像

提出一种不用投影算子的修正的Mann遮代的循环算法,用于逼近q-一致光滑的Banach空间中有限个严格伪压缩映像的公共不动点,并证明了算法的强收敛性。本结论推广了Kim等和Zhang等关于非扩张映像的相应结果。     

失效卫星姿态接管的并行学习合作博弈控制

针对多颗微小卫星合作接管失效卫星姿态运动的问题,研究了考虑微小卫星控制约束的多星合作博弈策略学习与协同控制方法。首先,建立了微小卫星合作博弈模型,给出了能够处理微小卫星控制约束的多星合作博弈帕累托最优策略显式表达式。其次,针对微小卫星合作博弈策略学习需求,通过过去与当前时刻数据的并行使用,设计了基于并行学习的策略迭代方法,该方法放松了神经网络（NN）权值矢量学习对持续激励条件的要求。给出了为确保神经网络权值矢量估值收敛,所使用的过去时刻数据所需满足的条件,并通过Lyapunov方法分析了神经网络权值矢量估计误差的一致最终有界性。之后,采用并行学习策略迭代方法进行了微小卫星合作博弈帕累托最优策略数值解的逼近。所获得的合作博弈策略具有反馈控制形式,在进行神经网络权值矢量学习后,各微小卫星能够通过合作博弈策略的独立计算实现失效卫星姿态运动接管过程中的闭环协同控制。所设计方法避免了传统姿态控制方法所需进行的力矩分配,消除了微小卫星数量对其控制计算复杂度的影响。最后,通过数值仿真对所设计方法的有效性进行了验证。     

超椭球凸集合可靠性综合指标定义及求解方法

针对失效域与超椭球凸集合发生干涉与不发生干涉两种情况下,超椭球凸集合非概率可靠性与非概率可靠度两种指标各自存在的不足,将两指标相结合提出多个超椭球凸集合描述时的可靠性综合指标定义,并提出将改进的有限步长迭代法(MLSA)与Monte-Carlo法结合来求解综合指标的方法.MLSA是在有限步长迭代法的基础上提出的,根据增...     

低含气率影响下圆柱动静压轴承特性分析

为研究低含气率条件下,温度和气泡含量对润滑油黏度的影响,采用涡轮油和氮气制备油气两相流,在不同温度下采集含气率和动力黏度,拟合得到两相流的黏度计算模型.针对带有深浅腔的圆柱动静压轴承,基于拟合的黏度模型,结合有限元法和有限差分法联立求解油膜Reynolds方程、能量方程及两相流等效密度模型,分析了不同偏心率下承载力、摩...     

湍流边界层的湍流参数测量和研究

利用DANTEC三维激光多普勒测速仪对水槽壁面边界层的湍流参数进行了测量和分析，并与经典实验曲线做了比较。同时就摩擦速度的计算与涡粘系数的分布曲线展开了讨论。     

一种四连杆机构位置综合的迭代方法

本文提出了一种四连杆机构位置综合的迭代方法,解决了一般解析法对初始点要求过高的问题。该方法对初始点要求很低,而且在计算机上也不易出现“溢出”。     

应用Householder变换的混合GMRES算法执行(英文)

为求解大型非对称线性方程组,混合GMRES算法的标准执行包含了一个Gram-Schmidt正交化过程,但此过程可能会导致严重的数值错误。本文给出了算法的另一种执行方法,应用Householder变换来进行正交化.数值例子表明,执行新的算法更稳定可靠。