局部附面层吸除对高负荷扩压叶栅气动性能的影响

实验研究了低速条件下局部附面层吸除对高负荷扩压叶栅气动性能的影响.采用五孔气动探针测量了叶栅出口截面气动参数,并对叶片表面静压进行了测量,详细分析了局部吸气方式、吸气量和吸气位置对叶栅出口截面总压损失和负荷能力的影响.结果表明,采用吸力面两端吸气和中间吸气方式均能够有效吸除叶栅流道内低能流体,增加叶栅的气动负荷,从而提高叶栅的气动性能;采用吸力面两端吸气对叶栅气动性能的改善要优于吸力面中间吸气;叶栅气动性能的改善主要在靠近叶展中部区域,而对角区核心区和端部区域的影响并不明显.      

组合抽吸对大转角扩压叶栅性能的影响

实验研究了低速条件下在端壁和吸力面同时进行附面层吸除对某大转角扩压叶栅性能的影响.在叶片表面及端壁进行了墨迹流动显示,并对叶栅出口截面进行了测量.基于实验的抽吸槽布置方式:端壁吸气主要影响区域是吸力面角区;吸力面抽吸可以减小角区范围,延迟叶片吸力面附面层转捩,改善中径处流场;组合抽吸则优化了叶栅整体流场,使流动更加均一高效,由于削弱了端壁和吸力面附面层间的相互作用,组合抽吸在大吸气量下优于前两种吸气方式.      

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。     

端壁抽吸位置对大转角扩压叶栅流场及负荷的影响

实验研究了低速条件下在端壁近吸力面处进行附面层吸除对某大转角扩压叶栅性能的影响.对叶栅出口截面参数和叶片型面静压进行了测量,并在叶片表面及端壁进行了墨迹流动显示.结果表明,端壁抽吸主要影响了吸力面/端壁角区,重新分配叶片根部负荷.在角区未发生分离的位置开始抽吸可有效推迟叶栅内的角区分离,降低损失,改善叶栅端区流动;而在角区已经发生分离的弦向位置开槽吸气则引起了局部回流,恶化了流场,增加了低能流体的掺混和气动损失.     

中心突扩燃烧室PIV实验研究

利用PIV技术对两种不同尺寸的中心突扩燃烧室在不同入口速度条件下的冷态流场进行了实验研究,测量并分析了流场结构与来流速度、突扩比、喷管收缩段等因素的关系。实验结果表明利用PIV技术能较好地获得高速条件下燃烧室二维速度场;对于不同突扩比的燃烧室,突扩面后的流场结构类似,但回流区的最大负速度与入口速度的比例关系不同;在喷管人口处,流场在此处重新形成旋涡,其直径较大,但强度相对较弱。     

基于解重扩算法的GPS抗干扰实时接收机研究

提出了一种基于解重扩算法的GPS抗干扰实时接收机系统的硬件实现方案。此方案充分利用解重扩算法和GPS接收机的特点,将两者紧密耦合,并根据FPGA和DSP的不同性能,实现了资源的合理配置。实测数据验证表明,该系统不仅能够抑制干扰信号,而且可对卫星信号产生较大增益,实现多波束抗干扰。     

基于LMI的Lipschitz非线性不确定系统的鲁棒控制

在常态Lipschitz非线性的基础上,考虑状态参数不确定性。针对这类Lipschitz非线性系统的反馈控制问题,运用Lyapunov方法给出了该系统渐近稳定的充分条件,并提出了应用线性矩阵不等式（LMI）来求解优化反馈增益矩阵,通过定理和Matlab仿真实例得出设计的观测器有效,具有良好的稳定性和鲁棒性。     

无需辅助数据的分布式目标自适应检测器

在非高斯背景和没有辅助数据的条件下,研究了高分辨率雷达分布式目标的自适应检测问题.首先采用有序检测理论和协方差矩阵的迭代估计方法粗略估计散射点集合,进一步利用迭代估计方法获得协方差矩阵的近似最大似然估计,提出了无需辅助数据的自适应检测器(ADWSD).ADWSD在非高斯背景下具有近似恒虚警率特性,且检测性能远好于修正的...     

中心突扩燃烧室压强振荡试验研究

对两种结构中心突扩燃烧室在不同入口速度条件下的压强振荡问题进行了气体冷流试验。试验结果表明,随入口速度的增大,压强整体脉动幅值也逐渐增大,脉动主频也有增大的趋势,但不是严格随入口速度的增大而增大。在速度比较低的情况下,单一主频的振荡起主要作用,振荡幅值随速度的增大而增大,当振幅增加到一定值时,该主频的振荡趋于饱和,而次频振荡的作用逐渐增大。对于同一人口速度,燃烧室不同位置,压强脉动的幅值不同,进气道流场的压强脉动幅值最大,而回流区流场的压强脉动幅值最小。     

无人机编队构成的分散最优控制方法研究

针对无长机带领、具有固定无向通信拓扑的无人机编队构成控制问题,提出了一种基于"相邻"无人机状态反馈的分散最优控制方法。该方法采用Laplacian矩阵描述编队通信结构,以"相邻"无人机与编队构型间的相对状态误差构建分散最优控制模型,并通过求解具有LMI约束的线性目标最优化问题得到编队各无人机的分散最优控制律。该方法使得多无人机在分散协同的前提下,基于局部信息快速准确地形成预定编队构型,达到运动方向和速度的一致性。仿真实验验证了该方法的有效性。