液氧/煤油火箭发动机喷管膜冷却数值仿真

为评价膜冷却方法对 NASA 的 Fast Track 发动机推力室喉部的冷却效果,特进行了此数值仿真。膜冷却考虑了通过喷注器面的喷口和设置在喷注器与喉部之间的一个附加喷口。LOX/RP—1发动机推力室燃气的仿真是用 CFD—ACE 软件来实现的。这个软件采用以压力为基础的隐式有限体积迎风格式来求解 Favre 平均 Navier—Stokes方程和组份方程。研究了一套简化的化学组分方程组来模拟 LOX/RP—1推力室的化学平衡。研究结果表明:有可能通过优化喷注器面和附加冷却剂喷口之间的膜冷却剂的分布,来维持喷管壁温低于2000K 的温度界限,满足喷管衬层的烧蚀率低于0.05mm/s 的要求。仿真确认了 RP—1(煤油)的冷却效果是由于高吸热的裂化过程所至。共轭梯度换热分析指出:附加的冷却剂喷口可能得采用纯铜以外的其它材料制造。最后,膜冷却方法仅使喷管比冲下降约2%。     

GaInP2外延膜中施主—受主对复合发光带的能量关量

通过变温与变激发强度的近红外光致发光研究了用ＭＯＣＶＤ方法、生长在ＧａＡｓ衬底上的Ｇａ０．５Ｉｎ０．５Ｐ（ＧａＩｎＰ２）外延薄膜的１．１７ｅＶ发射带的发光特性。１．１７ｅＶ发光带性质与０．９９ｅＶ及０．８５ｅＶ发光带的性质有着明显的差别。１．１７ｅＶ发光带的机理可用施主－受主对的复合发光来解释，其中施主－受主对系白处在Ｇａ格位上的Ｓｉ（ＳｉＧａ）及其最邻近的Ｇａ空位（ＶＧａ）所组成，记作ＳｉＧａ－ＶＧａ。考虑到ＧａＩｎＰ２中存在着很强的电子－格子耦合作用及其Ⅲ族子格子为部分有序，所以在施主－受主对复合发光中应计及Ｆｒａｎｃｋ－Ｃｏｎｄｏｎ位移△ＦＣ及该对在等效的部分有序势场中的相互作用能Ｅｓ（ＤＡＰ）。Ｘ—射线衍射实验表明，部分有序结构相当于成分调制，因而可用Ｋｒｏｎｉｇ－Ｐｅｎｎｅｙ模型来计算Ｅｓ（ＤＡＰ）值。这样，我们就导出了施主－受主对复合发光的新的能量表示式。     

旋转对称薄壁压力容器的应力分析法

本文目的在于给出具有旋转对称的薄壁压力容器的应力计算公式和分析方法.文中汇集整理了薄壁压力容器薄膜理论和弯曲理论计算应力和变形的公式,以及压力容器经常用到的螺纹和法兰连接计算的公式.最后举例说明如何分析一给定压力容器的应力,给出了一固体火箭发动机壳体的应力分布曲线,并进行了讨论,顺带给出了求浅壳节点的应力公式.     

固体推进剂的新型脱模剂——室温硫化硅橡胶

在固体火箭发动机的制造过程中,由于大多数推进剂具有所需燃烧面的内孔装药,这种装药都得使用模芯,因此,就存在着脱模这道工序。然而固体推进剂药浆在加热固化过程中与金属模芯产生了相当牢固的结合力,而导致不同程度的粘模,造成了脱模困难,严重的还会拉坏发动机内孔药型并产生径向裂纹、脱粘等现象,甚至因模芯无法拔出而导致整个发动机报废。为了解决粘模问题,就必须使用脱模剂。脱模剂涂敷于芯模表面后与推进剂药浆起到隔离和润滑作用,从而保证发动机顺利拔模,缩短脱模时间,并保证产品质量和技术安全。     

超微粒SnO2薄膜器件气敏特性的研究

本文介绍了作者采用半导体IC平面工艺技术,成功地研制出了超微粒SnO_2薄膜器件,并对该器件的氧气敏感特性作了研究,得到了该器件的主要特性参数。对其灵敏度特性曲线的研究表明:该器件不仅对低浓度氧气敏感,而且对高浓度氧气也敏感;并得到了超微粒SnO_2薄膜器件灵敏度特性所遵循的客观规律,即logR_s=0.72logC+0.85。     

基于ANCF的薄膜太阳帆自旋展开动力学模拟

执行深空探测任务的薄膜太阳帆在入轨展开过程中,其薄膜结构在宏观力学响应上表现出显著的拉压不对称特性.系统的动力学行为呈现出强烈的非线性特征,使其动力学建模与仿真计算面对巨大挑战.基于绝对节点坐标方法(Absolute Nodal Coordinate Formulation,ANCF),整合张力场和不同模量弹性理论,推...     

针栓式推力室冷却特性试验研究

针栓式发动机具有推力调节简单、声学燃烧稳定性好和成本低廉等一系列优点,但目前对针栓式推力室的冷却特性掌握还不够深入,研制过程中曾多次出现因推力室冷却组织不好而烧蚀的问题。采用针栓式推力室试验件,对身部的冷却特性进行了深入研究,结果表明:推力室圆柱段前端的温度较低,无需采用专门的冷却措施;末端内侧气壁温度会达到约1650℃,局部存在明显的烧蚀现象,必须采取有效的热防护措施;下游冷却液膜量的变化对圆柱段的冷却特性影响较小。     

基于卷积神经网络双层壁三维热应力预测方法

为实现三维物理场的预测，提出一种利用卷积神经网络（CNN）对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征，沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素，不同厚度位置的切片对应输入张量的通道维度，从而实现将三维温度场输入进网络，并输出在热载荷作用下的三维等效应力场。结果表明：训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa，平均相对误差为15.10%，对峰值应力的平均绝对误差为16.10 MPa，平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题，CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。