民用飞机LRU规划的维修性因素研究

对航线可更换单元(Line Replaceable Unit,简称LRU)规划的维修性因素展开了探讨。对于民用飞机而言,航线可更换单元规划得好坏决定维修性设计的优劣。阐述了航线可更换单元的含义,引入了飞机系统结构分解的概念,介绍了航线可更换单元确定的流程,建立了确定流程图,并分析了维修性因素在LRU规划中的作用。通过考虑LRU与平均修复时间(MTTR)之间的关系,详细介绍了基于LRU规划的MTTR实现。该研究对后续LRU规划和维修性设计具有一定的指导意义。     

EMD滤波在捷联惯导晃动基座初始对准中的应用

为了实现晃动基座情况下光纤捷联惯性导航系统的高精度初始对准,提出了一种基于经验模态分解(EMD)法去噪的抗干扰初始对准算法。该算法在凝固惯性系下进行姿态更新,以反映载体在晃动干扰下的姿态变化,从而消除角运动干扰的影响;并针对EMD法的不足对其进行改进,然后对加速度计的输出进行去噪,以消除线运动干扰的影响。结果表明:改进后的EMD法具有良好的去噪效果,基于EMD法去噪的抗干扰初始对准算法具有角运动和线运动的干扰抑制能力,能够实现晃动基座下的高精度抗干扰初始对准。     

高超声速化学非平衡绕流分布式并行算法

讨论了非结构网格高超声速化学非平衡绕流流场的分布式并行数值模拟方法。控制方程采用带化学反应源项的N-S方程,数值离散格式采用Jameson有限体积法。化学反应模型为五组元五反应模型,没有考虑电离效应,对化学反应源项进行了点隐式处理,温度场的计算采用牛顿迭代法。通过调用METIS库函数将整体计算区域进行分裂,使用PVM并行机制在PCs-Cluster机群上对二维钝头体高超声速化学非平衡绕流进行了分布式并行计算,得到了结果,并对算法的加速特性进行了对比分析。     

流场计算程序并行化方法的研究

利用“流场分区”的方法把流场计算程序并行化,并成功地在Transputer并行计算机上运行,并行效率可达到80％。介绍了流场划分、并行编程以及提高并行效率的方法。     

基于遗传算法的多学科设计优化分解方法

通过分析现有的多学科设计优化中任务分解方法(枚举法、聚类识别法和分支定界法)的特点,指出了现有方法的不足.提出了将遗传算法应用于优化任务的分解问题,给出了具体的算法描述和详细的任务分解算法流程,并分析总结给出了该算法的优点:①遗传算法对搜索空间没有任何要求,因此对函数关系矩阵(FDT,Function Dependence Table)也没有任何要求;②遗传算法是一种随机迭代方法,不需要估计初值;③遗传算法同时对一组解进行搜索,大大提高了搜索速度,在保证计算精度的基础上得到全局最优解.最后还以齿轮减速器优化问题为例,将遗传算法应用于上述问题的任务分解过程,得到了较为满意的分解结果,并从计算方案次数的角度定量地比较了所提出方法与现有方法的区别,从而证明了该方法的正确性和优越性.     

斜网格修正的低速计算方法及应用

采用无坐标变换的一种有限体积法对RANS方程进行离散求解,离散方法考虑了对网格非正交情况的二阶修正,通过构造一个动量插值实现了同位网格下的压力修正算法,并发展了相应的分区算法.利用以上方法对轿车绕流和三峡坝区主流摆动问题进行了数值计算,计算结果与实验吻合较好.     

航天器非平稳振动环境TVAR时频分析(英文)

Predicting the time-varying auto-spectral density of a spacecraft in high-altitude orbits requires an accurate model for the non-stationary random vibration signals with densely spaced modal frequency. The traditional time-varying algorithm limits prediction accuracy, thus affecting a number of operational decisions. To solve this problem, a time-varying auto regressive （TVAR） model based on the process neural network （PNN） and the empirical mode decomposition （EMD） is proposed. The time-varying system is tracked on-line by establishing a time-varying parameter model, and then the relevant parameter spectrum is obtained. Firstly, the EMD method is utilized to decompose the signal into several intrinsic mode functions （IMFs）. Then for each IMF, the PNN is established and the time-varying auto-spectral density is obtained. Finally, the time-frequency distribution of the signals can be reconstructed by linear superposition. The simulation and the analytical results from an example demonstrate that this approach possesses simplicity, effectiveness, and feasibility, as well as higher frequency resolution.     

二硼化镁作为固体高能金属燃料应用研究进展

硼(B)在应用过程中存在点火困难、燃烧效率低的问题,为开发具有更高应用潜力的燃料,二硼化镁(MgB2)由于其出色的点火燃烧性能引起了广泛关注.本文简要回顾了MgB2在超导体、固体推进剂和储氢材料等方面的发展历程,介绍了MgB2的主要制备方法,重点对MgB2的热分解、热氧化特性和点火燃烧性能研究三方面对现有研究结果进行了...     

基于振动能量积奇异值分解的航空发动机 振动状态识别

为进一步提高航空发动机振动状态监测的有效性和故障诊断的准确性,将机匣截面振动信号的各谐波轴心轨迹椭圆长短轴乘积看成广义时间序列.基于该序列能够全面反映发动机转子系统各谐波能量分布的客观事实,利用其构造矩阵并提取奇异值向量.借助于该向量构造特征值,通过比较特征值向量实现对发动机不同振动状态的识别.对实测振动信号的分析表明:在同一振动状态下,各数据椭圆长短轴乘积相对奇异值强度具有相同的变化趋势和良好的稳定性;在不同振动状态下,椭圆长短轴乘积相对奇异值强度变化趋势不尽相同;通过椭圆长短轴乘积奇异值相对距离熵能够较好地识别发动机各振动状态.     

基于VMD的自适应复合多尺度模糊熵及其在滚动轴承故障诊断中的应用

提出了一种基于自适应多尺度模糊熵、ILS（迭代拉普拉斯得分）特征选择和粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。该方法采用变分模态分解对振动信号进行分解和重构,并计算重构信号的复合多尺度模糊熵;同时采用迭代拉普拉斯得分选择敏感故障特征,并将特征选择结果输入到基于粒子群优化支持向量机的多故障分类器进行识别。将提出的方法应用于滚动轴承试验数据分析。结果表明:该方法对试验数据的故障识别率为100%。并将基于ILS特征选择方法与基于SFS（sequential forward selection）特征选择进行了对比,表明基于SFS特征选择的最高识别率为92.86%,而基于ILS特征选择的故障识别率达到100%。