基于特征线理论的旋转爆震流场结构特征研究

特征线理论及其计算方法是气体动力学的经典理论与方法,应用于旋转爆震流场分析具有简单高效的特点。将坐标系建立在爆震波上,对旋转爆震流场进行简化,采用特征线理论并结合流场计算单元过程,建立旋转爆震流场计算模型。研究了当量比和喷注参数对氢气/空气、甲烷/空气以及辛烷/空气3种不同预混气的旋转爆震流场结构特征的影响。结果表明:爆震波高度和倾斜角度受混气当量比和喷注总温影响明显;燃料由小分子氢燃料变为大分子碳氢燃料时,爆震波高度和倾斜角度逐渐减小;混气当量比和喷注总温主要通过影响爆震波传播速度、高度和倾斜角度而影响爆震波后宏观流场特征趋势。     

基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。     

从中国政府白皮书英译本看政府形象构建 ——基于LancsBox的中国政府白皮书英译本词汇使用特征分析

以中国国务院发布的中国政府白皮书英译本为语料,建立白皮书英译本语料库,运用语料库工具LancsBox的Words功能、N-Grams功能和GraphColl功能对其进行分析,提取高频词汇、高频词丛,绘制可视化图谱,旨在揭示时政类文本的词汇使用特征及其在政府形象构建方面所发挥的作用.对时政类文本外译,政治外宣话语分析及形...     

一种基于SNM降阶技术的整体叶盘结构失谐识别方法研究

本文以谐调叶盘有限元模型解析模态和失谐系统的实验测量模态作为基础信息,提出了一种整体叶盘结构失谐识别方法。该方法基于SNM降阶技术,大大降低了识别过程的计算花费以及对基础信息的要求;采用了子矩阵型技术使得失谐参数定义更加的自由,并使得该方法具有模型修正的功能;利用最可能向量技术处理实验测量模态振型,有效的限制了测量噪声、非线性等因素对识别过程的影响。最后以一个真实叶盘结构的数值仿真分析证明了该方法的正确及有效性。     

燃气发生器结构对燃烧性能的影响

为了确定最佳的燃气发生器结构,对不同结构的燃气发生器进行了对比试验,考察了喷嘴尺寸、燃烧室长度、燃烧室构型等因素对燃气发生器燃烧性能的影响.研究结果表明:在一定范围内增大喷嘴尺寸,燃烧性能基本不受影响,但却可以缩短燃气发生器的点火延迟时间,并且增大流量调节范围;增加燃烧室长度可以明显的提高燃烧效率;燃烧室的构型对燃烧性能有很大影响,收缩-扩张型着火段影响了燃烧过程,降低了燃烧效率,燃气发生器设计不宜采用这种构型.      

航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

飞机外形和结构件反求建模技术研究

 探讨了基于特征的飞机外形和结构件反求建模策略,并给出曲面特征和实体特征的定义,该方法支持具有完整特征表达的模型快速重建。提出了大规模散乱数据k近邻的空间球搜索算法,其逐步增大搜索范围的策略可有效提高搜索效率。研究了结构件与外形相关曲面特征的重建方法,当贴合面较窄、外形线接近于直线时,采用直纹面逼近,否则由蒙皮曲面等距间接求取。研究了基于工程约束的曲面形状修改算法,以B样条曲面需满足的点、线、面几何约束为目标约束,通过最小化形状修改前后差曲面的弯曲能得到精确满足目标约束的光滑曲面,推导了曲面弯曲能和曲线约束的表达式。最后,以飞机翼肋模型反求为例验证了所提方法的可行性。     

运动边界非定常全速流场的数值模拟

将预处理引入到ALE格式的非定常可压缩N-S方程中,发展了一种能有效模拟含运动边界的三维非定常全速流场的数值方法.控制方程在非结构动态网格上用双时间步推进并用隐式、LU-SGS迭代求解;提出了一种特征变量的边界条件以适合预处理后的特征系统.几个典型算例的结果表明,预处理方法将可压缩流方法的计算能力拓展到了低马赫数范围,有效地提高了收敛速度和计算精度.     

基于转角振型曲率的损伤识别

利用中心差分法求取振型曲率,用损伤前后同一位置的振型曲率变化来作为结构损伤的识别指标。采用有限元方法,通过数值仿真对不同位置发生损伤的悬臂梁进行分析,利用构造的的损伤指标对结构损伤情况进行识别研究。在前人的研究基础上,特别提出了利用角度位移振型曲率变化来识别损伤。仿真算例表明:利用角度位移振型比平动位移振型识别损伤的效果更好、精度更高。     

基于LC理论和概率神经网络的损伤识别

本文提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,选取FS-TARMA(函数基时变自回归移动平均)时间序列模型应用于一种随机振动信号中,这种振动信号在时变系统中用来估计TAR/TMA参数和创新方差。基于一种特征值分解技术,被估计的TAR/TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs(潜在成分)。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。将这种新方法用于三自由度时变系统中进行评估,根据质量和弹簧刚度的降低来模拟不同级别的损伤。这种方法能够找出系统参数的时变性质和质量及刚度变化引起的损伤级别。结果表明:使用这种方法,与其他的非降维和普通的特征提取方法相比,识别的成功率有相当大的提高。