基于工况/场景的飞机系统试验验证方法

描述了一种飞机系统在试验室系统综合或全机级环境下进行设计验证的方法和过程。首先定义系统需求所在工况/场景,然后根据功能基线,确定工况发生的阶段以及完成此工况需参与的系统范围和构型,从而形成具体的试验步骤,进而通过试验来判断系统的响应是否满足上一级需求。     

基于压力控制器的气压高度表自动检定系统

通过对航空气压高度表的工作原理和检定方法进行分析,提出了一种新的气压高度表检定方法。该方案采用广泛应用的PPC2气体压力控制器模拟产生精密气压高度信号,直接对航空气压高度表、航空大气数据计算机的静压和气压高度等项目进行检定,对具有RS232数据输出功能的电子式气压高度表可以实现自动检定,对这种方法的测量不确定度进行了分析。该方法具有操作便捷、可靠性高的特点。     

某型飞机发动机安装架强度分析

某型飞机在换装新型大功率发动机后,对其发动机安装架也进行了相应的改进设计。本文就改进设计后的发动机安装架建立了有限元模型,并对其进行了载荷分析和强度校核。结果表明,该型飞机发动机安装架改进设计合理,改进后强度能满足使用要求。     

民用航空发动机型号合格审定方法研究

随着中国民用航空发动机的发展,对其适航取证迫在眉睫,型号合格审定是整个适航审定的基础和核心,对其方法的研究很有应用价值。在《航空器型号合格审定程序》基础上对型号合格审定程序作了较充分地研究,在所获得研究成果基础上以Teamcenter为平台开发了航空发动机适航信息管理系统,该系统可用于对民用航空发动机型号合格审定信息的管理与审定流程的控制,可为更好地管理民用航空发动机适航信息以取得型号合格证提供参考。     

基于AFAS 软件的机翼壁板耐久性分析及试验验证

随着航空工业的发展,对机翼壁板耐久性分析的精确性及计算速度的要求日益提高,必须考虑从手工计算到程序计算的转变。飞机结构耐久性分析软件系统(AFAS)是为了满足飞机结构耐久性分析的工程实际使用要求而编制的。本文介绍采用该软件中包含的DFR方法计算程序对机翼壁板结构进行耐久性分析的过程,并进行试验验证,分析得到的机翼壁板结构具有95%置信度、95%可靠度的可靠性寿命与试验统计结果非常相近,证明AFAS是一个可以进行耐久性分析的快速准确的计算工具。     

液体火箭发动机充液导管流固耦合动力学特性

为了深入研究流固耦合（FSI）作用对液体火箭发动机充液导管频率特性的影响,采用传递矩阵法(TMM)建立了空间导管流固耦合动力学计算模型.针对真实发动机导管开展了传递矩阵模型与传统基于附加质量的有限元(FEM)（非耦合）模型仿真计算以及模态试验验证,比较了管径、壁厚等结构参数对导管流固耦合作用的影响.结果表明:在流固耦合作用下,导管各阶谐振频率减小、而对应的流体振荡与结构振动幅值增大.管径对导管低阶频率特性的影响较壁厚对其影响更大.对于该算例,当管径大于设计值30%后,耦合作用引起的1阶频率误差高于10%,此时流固耦合不能忽略;而壁厚对1阶谐振频率的影响则小于8%.      

热声载荷下薄壁结构振动响应试验验证与疲劳分析

由于热声环境下金属薄壁结构表现出复杂的大挠度强非线性振动响应特性,影响结构的疲劳性能与寿命,结合有限元法与降阶模态法对四边固支高温合金矩形薄壁结构的热声响应进行计算。结果研究发现:屈曲后结构出现跳变运动且应力循环呈三角状分布,热声载荷的相对强弱决定了跳变形式。采用改进雨流计数法、Morrow平均应力模型、Miner线性损伤累积理论计算热声疲劳寿命,屈曲前到临界屈曲时应力循环损伤量级显著增大,由10-5增大到10-4,寿命随温度增加呈先减小后增加趋势。开展薄壁结构热声试验,并将仿真计算结果与试验结果进行对比,结果表明结构的模态频率偏差不超过1Hz,动态应变响应结果的量值相当,验证了薄壁结构热声响应计算方法与模型的有效性。      

航空发动机静承压件适航符合性验证方法

对《航空发动机适航规定》（CCAR33-R2）新增条款CCAR33.64（静承压件）进行解读与分析,结合试验设计法、数值模拟法开展针对航空发动机静承压件适航条款的符合性验证方法和验证流程的研究.提出针对CCAR33.64的符合性验证流程,并以某型航空发动机低压涡轮后机匣的模型为例进行验证.选取机匣的最大工作压力和1.1倍最大工作压力分别作为加载条件进行数值模拟,得出最大等效应力分别为453MPa和534MPa,最大机匣变形分别为0.366mm和0.432mm,不会出现永久变形或机匣破裂的情况,满足适航要求.验证了该流程的适航符合性,为制定航空发动机静承压件适航指南提供参考依据.     

自动阻抗调配器的校准技术探讨

自动阻抗调配器在微电子行业应用越来越广泛,但是目前国内还没有计量技术机构开展该类仪器的计量校准工作,本文介绍了其机械结构、工作原理,设计了控制模型,组建了校准系统,实现了主要参数矢量重复性、驻波比和插入损耗的校准工作。     

Systematic examination of the geomagnetic storm sudden commencement using multi resolution analysis

Geomagnetic storm sudden commencements (SSC) contain a wealth of information which is useful in many applications. It is important to point out that the SSCs used in this study are sampled at the rate of one sample per second in order get use of such high resolution data. In this paper, two studies are made on the geomagnetic SSC and an SSC onset automatic detection algorithm is introduced. The first study is about finding the relationship between the SSC rise time and its amplitude. Where it is found that there is a positive correlation between the amplitude and the amplitude gradient which is the amplitude divided by rise time. The second study is checking the spectrum of the SSC, starting from its onset until the end of the SSC rise time. This check had proved that the SSC contains both low and high frequency regions. This led us to introduce a new term, namely the SSC variation rate (VR). This VR is defined as the maximum rate of change of the field in the higher-frequency region of the SSC. These two studies were the guide to build an SSC automatic detector of one sample per second data using multi resolution analysis (MRA) of the discrete wavelet transform (DWT). The data set contains 134 SSCs with different VRs that were collected from the Circum-pan Pacific Magnetometer Network (CPMN). It is found that the standard deviation of the detection error is 41 s and that the average error is 9 s. From the calculated error distribution function, it is found that the detection error is within the range of −1.5 to 3 min. The detection process, as will be shown in the article, takes 70 s for one station and 3 min if the decision is related to the detection(s) of other stations. These results demonstrate the superiority of the proposed algorithm over other algorithms in which the detection error ranges between −8 and 5 min and the detection process takes 2–10 min. In addition to being faster and more accurate than the other algorithms, the proposed algorithm is the first algorithm that automatically detects the SSC onset times from high-resolution data unlike previous studies that focused on determining the SSC times automatically using one-minute resolution data.