用PDA测量两相湍流流场时固体粒子的选择

激光法测量两相流是近年来开发的一项新技术，测量过程中需要存在合适的粒子。本文研究了用三维粒子动态分析仪（ＰＤＡ）测量气固两相湍流流场时固体粒子的选择问题。试验过程中，运用几种不同的粒子作为煤粉粒子的模拟粒子进行测量和比较，结果表明：（１）粒子的特性参数是影响测量精度的重要因素之一；（２）测最气固两相湍流流场中粒子的运动特征时，应尽可能选择形状较规则、折射率大、尺寸分布合理、不易粘结且易于收集同时接近所要模拟的粒子性能的固体粒子，必要的时侯应结合粒子性能对测量结果进行修正．     

多点压力扫描阀测量系统在激波／湍流边界层干扰实验中的应用

多点压力测量是航空气动力研究及高性能流体机械研究中的重要测试手段。利用计算机和多点压力扫描阀系统，可以高效地完成这项任务，并可能在实验中实现数据采集及整个实验过程的自动化。我们利用ＨＰ１０００／Ａ７００计算机－ＨＰ２２５０－测控装置－压力传感器－高速扫描阀组成的测量控制系统，在超音速风洞内对激波／湍流边界层干扰产生的流场进行了快速多点压力数据采集，并取得了可靠的结果。本文对测试和校正过程中的程序设计、测试方法和应用经验进行了介绍。     

翼面动态压力测量

对７０°三角翼作大幅度仰运动时翼面非定常压力分布和振动鸭翼后面主翼面上非定常压力进行了测量。分析了缩减频率等参数对非定压力分布的影响。     

进口速度分布对短突扩压器性能的影响

在任意曲线坐标系下,对环型燃烧室的三维流场进行了数值计算,研究了四种不同的进口速度分布对扩压器性能的影响。计算结果表明,进口速度大小和方向都对扩压器性能有重要影响,进口速度分布均匀以及方向贴近扩压器壁面,有利于提高扩压器的性能。计算中采用标准ｋ－ε双方程紊流模型,采用控制容积法进行离散,在非交错网格体系下用ＳＩＭＰＬＥ法求解     

收敛形进气道数值研究的验证

介绍一种新型的、具有最小喉道面积的三维高超声速进气道 (称之为收敛形进气道 )的数值和实验研究结果。表明使用这种形式的进气道 ,在整个飞行速度范围内可以降低阻力和高超声速发动机表面的热防护要求 ,通过降低外压缩表面的倾斜度和减少进气道及燃烧室壁的面积就可以做到这一点。在采用低维次流动的气体动力设计方法的基础上设计成这种形式的进气道。计算是在无粘气体模型构架内用有限体积法进行的。同时用边界层方程计算出计及粘性的气流特性和进气道特性。数值算法是通过收敛形进气道的有限宽楔形外压缩表面的计算和实验数据来验证的。进行实验研究的马赫数M=2～ 1 0 7,基于模型进气道高度的雷诺数Re=( 1～ 5) × 1 0 6。数值计算与实验结果一致性很好。这些结果也和通常的二维进气道的数据作了比较。     

单层钎焊砂盘磨粒分布有序性研究

对亲型非砂轮磨削工具－－单层钎焊砂盘的硬质合金磨粒在基体上的分布进行了初步研究,砂盘作为一种手握粗磨削工具,降低磨削力是最重要的,文中借鉴砂带及单层高温钎焊超硬磨料砂轮的一些研究,提出了砂盘的磨粒在基体上有序性分布的概念,将此概念应用于砂盘钎焊制造工艺上,在相同的制造工艺和磨洵深度条件下,对得到的磨粒有序性及无序性分布的砂盘进行了磨削对比实验。结果表明,砂盘磨粒的有序性分布能显著降低其磨削力。此概     

对数正态分布场合环境因子基于截尾样本的统计分析

本文导出了寿命分布为对数正态分布时基于截尾样本环境因子的点估计和近拟置信限,对所给近似置信区间作了模拟研究。     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。     

汽心泵特性分析与计算方法

本文给出汽心泵压头特性、汽心变化、泵内水力损失、集流器内压力分布和径向力等主要特性的计算方法和程序框图。该算法可用来估算新泵设计初始阶段的特性,亦可用来对现有泵的特性作近似验算。     

定数截尾试验下双参数指数寿命分布尺度参数的EB估计

本文讨论了在无替换定效截尾试验方案下,当产品寿命为双参数指数分布时,尺度参数(失效率)久的经验Bayes(简记EB)估计问题及其收敛速度。设在给定λ,μ下,产品寿命T服从双参数指数分布,其概率密度为 受试产品有n个,试验中前r个产品依次出现的失效时间为t_(1)≤t_(2)≤……≤t_(r)。令 则(x,y)为(μ,λ)的充分统计量。记(x,y)的联合边缘密度为f(x,y),若取二次损失函数,则λ的Bayes点估计为 利用密度函数及其偏导数的核估计,构造出λ的EB估计为 φ_(1n)(x,y)与φ_(1m)(x,y)的Bayes风险分别为 在一定的正则性条件下,我们证明了 这表明,λ的EB估计的收敛速度q可任意接近于1/2。