考虑高载和阻尼介质时刚塑性圆板的塑性动力分析

本文研究了阻尼介质对刚塑性圆板在高载(冲击荷载)作用下塑性动力响应的影响,得到了解析解并对此解进行了讨论。当阻尼介质参数趋于零时,本文结果与无阻尼解一致。文中还画出了荷载与阻尼介质对圆板运动时间和板中心点残余挠度的影响曲线。     

参量型空气折射率传感系统

本系统分别利用传感器测出空气的温度、气压和湿度三个参量,把测量值用一个通用于不同机型的接口电路连接到微机进行数据处理并计算出空气折射率值。文中叙述了传感器及其检测电路的设计原理,给出了检测和接口电路框图、计算公式和程序流程图。整个系统已通过联机调试和初步的对比试验。     

大厚度比零件（外侧）和波纹管（内侧）的缝焊研究

某重点型号波纹管组合件的设计要求是缝焊，对照以往产品的结构，比较明显的情况是波纹管在零件的内侧。零件的厚度是3mm，波纹管的厚度是0.1mm，零件与波纹管的厚度比比较大。波纹管在零件的内侧会产生一个问题：波纹管在焊接过程中会逐渐收缩，到最后与零件之间产生间隙，导致局部形不成焊缝。研究通过减小车配间隙,增加冷却手段、滚轮厚度和压力等措施来实现大厚度比的零件和波纹管之间的缝焊。     

旋转惯性液压变换器的能效特性

为探究旋转惯性液压变换器（RIHC）的主要性能及其能量转化机制，针对由等效两位三通快速切换阀驱动的旋转惯性液压变换器构型建立其理论分析模型。通过与传统比例液压系统（CHPS）对比实验，验证所建理论模型并给出两者能效差异。结果表明：所建理论模型可有效预测RIHC的主要性能，可通过系统吸油流量量化旋转惯性效应的大小，稳态吸油流量在有效占空比0.5时达到峰值。脉宽调制信号有效占空比控制模式下，随着飞轮转速、负载压力的增加，测得阀口节流损失与系统效率线性化增加。实验表明：负载压力在0～4 MPa范围内，RIHC相较于CHPS最高可减少89%的阀口节流损失，系统效率提升15.7%。     

单级轴流压气机纯音噪声实验与数值分析

为了探索转/静干涉纯音噪声与静子前缘上洗速度之间的对应关系，使用已发展的风扇纯音噪声混合预测方法对一台单级、低速压气机实验台（TA36）节流过程中的转/静干涉纯音噪声进行了预测，并与实验结果进行了对比验证。为了准确获取作为转/静干涉纯音噪声声源的静子叶片表面非定常压力脉动，首先比较了不同计算网格与时间步长设置对叶片表面非定常压力脉动计算的影响。随后，比较了静子叶片来流上洗速度和纯音噪声随质量流量的变化规律。研究表明：设计转速下，静子前缘70%、80%以及90%叶高的3阶叶片通过频率处的上洗速度幅值随质量流量的变化规律与混合预测方法估计的进气管道壁面声压级的变化趋势一致，并且与实验测量值的变化规律也保持了良好的一致性。此外，管道外远场声压级指向性的结果也表明：该实验台远场声辐射具有明显的指向性，并且不会随着节流过程产生明显的变化。     

浅谈数字化起飞前放行PDC在双跑道运行中的应用

<正>随着我国民用航空运输业的高速发展,西安咸阳国际机场作为西部大型枢纽机场,航班量增加迅猛,塔台管制放行的工作强度和工作压力日益凸显。传统话音放行而造成的低效率和安全隐患,已不能满足空中交通服务所要求的安全、高效。为进一步提高塔台放行管制工作效率,满足航空运输飞行量不断增长的需求,2009年6月4日07:00(北京时),新航行系统技术-数字化起飞前放行PDC(Pre-Departure Clearance)技术正式启用。该技术的应用,实现了管制放行由话音向数字化的转变,给塔台管制放行带来了极大的便利,工作强度和工作压力大大降低,运行效率也得到有效提升。     

737NG飞机引气系统状态监控介绍及实例分析

通过监控引气的温度和压力,结合触发预警时的飞机状态,综合分析故障原因,提前更换故障件,有效降低引气系统故障造成的不正常航班次数。     

一种利用水下激光冲击处理涡轮叶片残余应力的方法

为提高涡轮叶片疲劳寿命,探索了一种利用水下激光冲击强化方法处理涡轮叶片残余应力的技术。利用波长532 nm、脉宽10 ns、能量1.2～1.5 J、光斑直径1.0 mm的YAG激光器,对涡轮叶片榫齿部位进行了激光冲击强化处理。结果表明,水下激光冲击强化方法能有效消除、调整机械加工残余应力。当激光功率密度大于2.5 GW/cm~2且小于7.5 GW/cm~2时,随着功率密度的增加,表面残余应力也相应增加;当功率密度大于10.0 GW/cm~2后,表面残余压应力随功率密度的增加而明显降低;功率密度等于7.5G W/cm~2时,表面残余应力为-419.5 MPa,为最佳。     

基于冲击特征提取的旋转机械智能故障诊断

针对齿轮、轴承故障，提出了基于冲击特征提取胶囊网络的旋转机械智能故障诊断模型。在胶囊网络的构架基础上，将原始故障振动信号作为输入，通过构造首层小波核卷积层，针对性提取冲击故障特征，提高深度学习网络特征提取的可解释性。在小波核卷积层之后扩展一层卷积层，强化首层小波核卷积层提取的特征，将强化的特征经初级胶囊层、数字胶囊层输出分类结果，从而构造了“端到端”的小波卷积胶囊网络模型。通过对各层提取的特征可视化分析，证明了该模型对故障振动信号的冲击特征具有良好的提取能力。3个不同实验平台的数据集验证结果表明不同故障类型、不同故障程度的齿轮及轴承的识别精度最高可达到100%，并具有良好的泛化能力。