生活和工作在太空中的人——生理、心理、人的因素及生命保障的相互关系

真正实现人在太空中的生活和工作取决于我们如何利用多学科、多模型的办法解决好生理学、心理学、人的因素和生命保障等方面的需求。我们已经成功地解决了一些关键技术，可以把人装在简单的太空舱内送入太空。但仅仅做到这一步是不够的。随着太空飞行经验的不断积累，我们的目标越来越明确，     

负阶跃法测定气流温度传感器的动态特性

为了探索一种简易的方法来测定高温高速气流温度传感器的动态特性,本文从理论上对负阶跃法进行了分析,介绍了在一般风洞中进行高温负阶跃试验的方案及试验方法;同时将三种不同结构的温度传感器的试验结果以表格、图形等形式列出;并根据相似理论对试验结果进行了分析、归纳、推导出适用于所试传感器动态参数计算的经验公式,从而可以使试验结果推广到各种实际应用场合。实践证明,负阶跃法是一种简单和切实可行的方案。     

关于固体推进剂侵蚀燃烧问题的半经验理论

本文较系统地从理论上阐述了关于固体推进剂侵蚀燃速的已有半经验公式的导出。汇集已发表的各种牌号推进剂的侵蚀常数的数据与图表,并指出一般规律性。分析了不同形式的半经验公式之间的联系。介绍近来提出的侵蚀燃速的一般公式。     

世界时与地球时转换经验公式的改进与比较

针对世界时与地球时的差值ΔT问题,提出了新的拟合多项式。基于美国海军天文台发布的1657年~2020年间的ΔT数据,以及IERS(International Earth Rotation and reference systems Service,国际地球自转和参考系服务组织)公报中公布的LS(Leap Seconds,跳秒)数据,在美国NASA(National Aeronautics and Space Administration,国家航空航天局)经验公式的基础上进行了改进,分别用3次、4次、5次、6次多项式进行拟合。然后,基于最小二乘法得到一组多项式经验公式,可适用于公元纪年、儒略日、简约儒略日以及从J2000.0起算的儒略世纪数等4种时间格式。通过精度计算表明,该组经验公式计算结果与USNO(United States Navy Observatory,美国海军天文台)基准序列的残差不超过±1.29s,与IERS基准序列的残差不超过±0.16s,整体优于NASA经验公式的计算精度。同时还给出了得到更高精度经验公式的拟合方法。     

EMD滤波在捷联惯导晃动基座初始对准中的应用

为了实现晃动基座情况下光纤捷联惯性导航系统的高精度初始对准,提出了一种基于经验模态分解(EMD)法去噪的抗干扰初始对准算法。该算法在凝固惯性系下进行姿态更新,以反映载体在晃动干扰下的姿态变化,从而消除角运动干扰的影响;并针对EMD法的不足对其进行改进,然后对加速度计的输出进行去噪,以消除线运动干扰的影响。结果表明:改进后的EMD法具有良好的去噪效果,基于EMD法去噪的抗干扰初始对准算法具有角运动和线运动的干扰抑制能力,能够实现晃动基座下的高精度抗干扰初始对准。     

航空发动机风扇宽频噪声预测技术发展研究

综述了风扇宽频噪声预测技术在航空发动机噪声控制领域的研究进展和应用,包括经验模型、分析模型、计算气动声学和机器学习等方法。对这些方法的发展现状进行了回顾,并对国内外情况进行了对比分析。研究发现,不同的预测模型适用于不同阶段的设计过程,如经验模型适用于概念设计阶段,分析模型适用于通流设计阶段,计算气动声学适用于详细设计阶段。此外,基于机器学习的风扇尾迹湍流预测是一个重要的研究方向,提高训练效率和预测精度将显著提升机器学习的适用性。最后,对风扇宽频噪声预测方法进行了简要总结和展望。     

基于半经验耦合的贫熄边界预测方法

提出了一种根据FV(flame volume)模型与燃烧室热态仿真相结合的贫油熄火边界耦合预测方法。利用两种不同构型五个不同方案燃烧室的贫熄试验数据对此方法进行验证,结果表明:对于直流型燃烧室与回流型燃烧室,FV模型中的经验常数K分别取1.35和0.55时,能够保证各方案燃烧室的贫油熄火边界预测精度均在±20%以内。相比于Lefebvre模型,此方法的计算精度更高、适用范围更广。      

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。     

基于Birge-Massart阈值降噪与EEMD及谱峭度的滚动轴承故障特征提取

针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征,去除无关IMF分量的影响。