液体火箭发动机喷管壁面辐射热流的数值计算

为火箭发动机喷管设计及其冷却系统的设计提供有效参考数据作为应用背景,计算喷管壁所受的红外辐射热流。分别推导了有限体积法和反向蒙特卡罗法适用于不含粒子条件下喷管壁面所受红外辐射热流的计算公式,并针对不同的边界条件设定,重点分析了有限体积法的特性,并提出了有限体积法的局限性。最后,以某三维双圆弧喷管模型为例,用有限体积法和反向蒙特卡罗法自主编写程序计算在不同边界设定下壁面受到的红外辐射热流密度。通过计算结果对有限体积法的局限性进行了论证,同时肯定了反向蒙特卡罗法在壁面辐射热流计算上的优势。     

重力条件对喷雾冷却换热特性影响的研究

喷雾冷却是一种高效的高热流密度散热方式,在空间热控领域具有重要的应用前景。本文基于液膜动力学、气泡动力学和传热学的基本原理,建立了描述微重力条件下喷雾冷却传热特性的理论模型。利用模型模拟的方法,对以水作为工质的微重力条件下喷雾冷却系统的被冷却表面温度分布、冷却曲线等因素进行了分析,分析结果显示:在单相区,重力条件对喷雾冷却的换热特性和表面温度分布不均匀性的影响较小;在两相区,由于微重力条件下气泡难以脱离等因素的影响,使得喷雾冷却的换热能力明显弱于常重力条件下的换热能力,并且被冷却表面的温度不均匀性增大。     

宇航用脉宽调制器评估试验方法

文章结合航天应用需求和脉宽调制器的特点,对宇航用脉宽调制器评估试验的方法和项目开展了深入研究,针对脉宽调制器在寿命前后及不同温度下的典型振荡频率的温漂,基准电压的温漂及长期稳定性,以及外接电阻、电容与振荡频率的关系等特性进行了评估。并通过试验验证了评估方法的有效性,可以为脉宽调制器的宇航应用提供全面的数据支撑和应用指导。     

大推力发动机高温隔热屏设计及优化研究

以卫星用大推力发动机高温隔热屏为研究对象,根据传热机理建立了其瞬态传热模型。对不同边界温度条件下高温隔热屏的瞬态传热过程进行数值仿真,且经对比,仿真计算出的隔热屏温度值与试验结果吻合良好,验证了模型的准确性和适用性。利用该模型设计了某卫星高温隔热屏,并分析了隔热屏覆盖层发射率、反射屏发射率、比热容等对隔热屏瞬态隔热性能的影响。研究结果为隔热屏的设计和优化提供了依据。     

镁合金机轮滚压强化工艺

在分析现行滚压工艺的基础上,研究了工艺参数与残余应力之间的关系,设计了液压式滚压装置,并以大尺寸镁合金机轮做了试验,获得了初步结论。     

类多孔结构超轻高效换热器流动传热特性研究

针对航空发动机热管理系统的需求,提出了一种基于3D打印技术的正八面体类多孔结构换热器,并对其内部的流动传热问题开展研究。通过研究发现,正八面体类多孔结构可以有效提高换热器的效能。但随着结构系数C_e的减小,管外流阻会急速增加。当C_e减小到10后,管外阻力系数增大到光管的18.2倍。为此,本文开展了换热器内部的结构优化,在提高内部换热的情况下,尽可能减小换热器管外空气侧流阻,使得换热阻力综合系数ψ值达到最优。     

7050凹槽铝板激光冲击强化残余应力分布与疲劳寿命

激光冲击强化（LSP）是改善结构疲劳性能的重要手段,传统数值模拟方法很难模拟复杂结构的多点冲击强化过程。本文利用一种连续动态冲击方法对7050凹槽铝板进行激光冲击强化数值模拟,得到了冲击后稳定的残余应力场,并与试验测量的残余应力相对比,验证了该方法的精度与较高效率。运用4种基于临界平面法的应变模型,最大正应变模型、最大剪应变模型、BM模型和SWT模型分别对未强化件和强化件进行疲劳寿命预测。完成了激光冲击强化件和未强化件的疲劳试验,得到其疲劳寿命。结果表明：寿命预测值与试验结果吻合较好;对未强化件进行平均应力修正后,前3种模型误差分别为31.2%、22.6%和40.7%,而SWT模型的计算结果过于保守;对强化件进行最大正应力修正后,前3种模型误差分别为1.84%、24.0%和46.4%,而SWT模型的计算结果过于危险。     

基于深度强化学习的航天器多约束规避动作快速规划

航天器规避机动过程中面临多种复杂约束条件,传统基于数值优化的动作规划方法在处理相应模型和约束条件时存在初值敏感、计算时间较长等问题,难以对近距离轨道威胁做出及时反应.针对该问题,本文提出一种基于深度强化学习的航天器多约束规避动作规划方法.建立航天器六自由度非线性动力学模型以及相应姿轨机动约束条件;建立基于双延迟深度确定性策略梯度(TD3)的动作规划方法,通过TD3训练得到的神经网络在线生成满足多种约束条件的规避机动动作;构造与规划方法相适配的深度强化学习规范化训练环境,确保学习训练过程中智能体和环境的有效交互.仿真结果表明,所提方法能在预期交会时间仅数十秒的情况下快速实时生成规避动作,规划周期小于9 ms,远低于作为对比项的高斯伪谱法.     

基于多智能体强化学习的月面极端区域协同探测方法

针对单个月球车难以高效鲁棒地探测月面极端区域的问题,提出了一种基于多智能体强化学习的月球车协同探测方法。首先,将探测区域进行离散化处理,并使用栅格地图表达探测信息及各月球车的位置信息,然后,使用深度神经网络对视觉图像信息、激光雷达信息以及栅格地图信息进行特征提取;之后,在多智能体强化学习的架构下学习月球车的协同探测策略,通过设计考虑探测时间、安全约束及通信约束的奖励函数,使月球车可以快速安全地对月面极端区域进行协同探测;最后,在Gazebo中搭建了月面仿真环境并进行了仿真验证。结果表明：所提出的方法具备较高的探测效率与较好的安全保障。