Alford力和滚动轴承对轴流压缩机转子系统动力特性和稳定性的影响

 研究叶尖气隙和滚动轴承共同作用下轴流压缩机的非线性动力特性及稳定性。采用有限元法和非线性滚动轴承模型,建立压缩机转子系统动力学模型,其中转子旋转时非均匀分布叶尖气隙引起的气动失稳力(即Alford力)根据已有实验数据和计算模型求得。通过计算分析发现叶尖气隙和滚动轴承分别激起系统的反进动和正进动共振频率,其共同作用造成压缩机转子系统的失稳,很好地解释了已有实验中出现的失稳现象。表明滚动轴承反力和Alford力的共同作用对压缩机转子系统的动力性能和稳定性有显著影响。     

基于浸入边界法的低雷诺数流固耦合数值模拟(英文)

提出一种基于SIMPLE算法的非定常流固耦合计算方法。流体Navier-Stokes方程空间采用非结构化网格有限体积法离散,时间项采用了欧拉隐式方法。利用浸入式边界方法模拟静止或者运动固体区域,流固界面作用力通过流体体积(VOF)方法进行处理。从而可以用固定网格求解任意复杂区域中的流固耦合作用。本文模拟了低雷诺数静止及振荡圆柱绕流,所得结果与文献中贴体网格计算结果吻合,从而验证了本文方法的合理性和正确性。     

基于遗传算法的弧齿锥齿轮动态特性优化设计

基于集中质量法建立了弧齿锥齿轮八自由度弯-轴-扭三维空间动力学模型,在模型中考虑了啮合刚度的时变性、几何传动误差的非线性、齿面侧隙以及支承刚度的非线性.采用Runge-Kutta法对传动系统动态响应进行求解.在此基础上,以啮合周期内动态特性指标——振动加速度均方根作为优化目标函数,使用遗传算法对局部综合法中的齿面控制参数进行优化.在对设计参数进行优化的同时也获得了齿轮副最优加工参数.最终以齿面修形的方式实现了航空弧齿锥齿轮动态特性优化,减小了齿轮传动系统的振动与噪声.      

红外搜索跟踪系统单机运动测距方法研究

机载红外搜索跟踪系统只能测量目标的方位、俯仰角度信息,而无法直接获取目标的距离信息。因此需通过载机平台的机动运动,提高系统可观测性,从而对目标距离进行解算,为火控系统提供完整的目标运动参数,实现对目标的被动攻击。通过建立红外搜索跟踪系统（IRST）单机运动测距的数学模型,针对伪测距的非线性滤波的有偏特点进行了去偏处理,获得无偏的单机运动测距模型,并通过数字仿真进行算法模型的仿真验证,验证了算法的有效性。     

基于广义S变换进行雷达信号时频滤波去噪

S变换自问世以来,凭借其优越性已经被广泛地应用于数字信号处理中。针对深空目标雷达回波信号的复杂性,为了得到较好的雷达回波信号,将基于广义S变换的时频滤波应用于雷达回波信号去噪中,并利用低通滤波器设计了时频滤波算子,克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷。通过理论分析与仿真波形对比表明,滤波后能有效地去除噪声,很好地保留了原始雷达回波信号的信号特征,展示了基于广义S变换的时频滤波的可行性,为雷达回波信号去噪提供提供了一种很好的方法。     

跑道侵入概念中的地面保护区研究

为了便于信息交换、数据对比以及不安全事件的研究、分析和防范,亟待明确跑道侵入的外延与内涵。目前国际民航组织关于“跑道侵入”概念中存在一个“地面保护区”的术语,业内人士对其理解不尽相同。在综合考虑升降带、端安全区、仪表着陆系统场地保护区、无障碍区域、障碍物评价面等限制条件的基础上,对地面保护区的划设提出了明确的意见。结论支持并丰富了国际民航组织有关跑道侵入的定义。     

微生物对航空煤油影响的实验研究

微生物活动会造成航空煤油变质、过滤器阻塞、设备腐蚀、仪表失灵等严重后果,影响航空安全。将采集的污染航空煤油试样,与纯净油品在实验室进行富集培养,研究了微生物油品污染前后的密度、粘度、总酸值、固体颗粒、冰点等指标的变化情况。指出了现有航空油料管理规定在微生物检测方面所存在的不足,提出了增加部分检测指标的建议,以尽早发现微生物的活动。     

基于能量的飞机横侧向控制方法研究

结合偏差控制与总能量解耦思想,将总能量控制原理应用于飞机的横侧向控制,实现了滚转与偏航模态解耦及偏航角、侧滑角的无稳差控制。对某型运输机典型飞行状态进行了横侧向解耦控制律设计和仿真,仿真结果表明,基于飞机纵向总能量控制同样能用于飞机的横侧向飞行控制,较好地实现了偏航角和侧滑角的信号跟踪及滚转与偏航模态的解耦。     

分数阶Fourier域非均匀采样Chirp信号的频谱研究

文中提出了一种自适应非均匀采样方法,并利用分数阶Fourier变换对这类非均匀采样信号在分数阶域的频谱进行了分析和研究,得到了这类非均匀采样信号在分数阶域的数字谱表达式;进一步得到了非均匀采样Chirp信号的分数阶频谱表达式;最后,通过仿真验证了结论。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.