固体火箭发动机点火瞬间火焰传播模型比较研究

以N-S方程、k-ε湍流模型、P1辐射模型为基础,采用流固耦合传热的火焰传播边界条件,分别对固体火箭发动机点火瞬间的层流粘性模型、湍流粘性模型、层流粘性辐射模型、湍流粘性辐射模型进行了比较分析研究。以PS-1发动机点火过程为算例的分析表明,燃气和推进剂热力参数相同时,层流粘性模型不能形成火焰;湍流粘性模型虽然形成了燃面,但不可自持燃烧;层流粘性辐射模型的点火诱导期长;湍流粘性辐射模型可正确预示初始发火点和火焰传播过程。     

旋转篦齿封严泄漏与换热的准则研究

应用方向性单位制的方程无量纲化方法,研究了旋转等因素对篦齿封严泄露流动、换热的影响,推导出可供实验模化用的相似准则.虽然方向性单位制和以往的SI或工程单位制均遵守Gauss准则,但它们选用和处理各单位各不相同,对于以往的单位制,由于相似理论研究的实际情况复杂,需要研究具有灵活性和特殊性;对于后者,基于所有现象能发生的可能性,研究则具有一般性和不变性.相关的讨论证明其合理性.      

某遥感卫星平台的微振动试验研究

为了研究动量轮/控制力矩陀螺造成的微小振动在卫星结构内的传递规律,文章利用某遥感卫星平台在国内首次开展了气浮和悬吊两种状态下的卫星微振动对比研究试验。分别在两种边界下进行了背景噪声测试及模态试验,分析了两种边界条件对试验结果的影响;测量了动量轮/控制力矩陀螺工作造成的微振动响应。通过对试验结果的分析,总结了典型微振动源的主要扰动成分及其传播规律。研究表明:两种边界引入的噪声对试验结果的影响均较小,微振动响应在传播过程中会大幅衰减;动量轮及控制力矩陀螺工作时引起的扰动响应从总体上看受边界的影响不大。     

基带PSK信号的编码规律恢复算法研究

针对基带PSK信号相位抗噪能力弱的特点,通过提高相位的直流分量,采用带通滤波和高阶差分的方法,在信噪比较低的情况下提取到信号的突变信息,实现了编码规律的恢复。理论分析了算法的实现过程,并进行了仿真试验,仿真结果表明,该算法在较低信噪下可以实现基带PSK信号的编码规律恢复。     

模糊数学在疲劳寿命估算中的应用

结构部件在承受交变载荷时,疲劳破坏为常见的破坏形式。目前疲劳寿命预测的方法有多种,在工程实际应用中,多选用Miner法进行寿命预测。然而当载荷稍低于疲劳极限时,对构件是否产生损伤便产生了一定的模糊性,把模糊数学理论引入线性损伤累积理论即Miner公式中,并由一维模糊Miner公式推广到二维模糊Miner公式中,以便更好地在工程中应用。同时对不同隶属函数的选取进行了比较,指出隶属函数对提高预测精度有着重要的影响。并将二维模糊Miner公式应用于××飞机结构寿命预测中,其所预测的结果比二维Miner公式所预测的结果的精度提高7%左右。     

关于累积疲劳损伤定则

根据实验结果和分析表明,Miner定则可用于变幅载荷下始裂寿命的估算,但要考虑载荷谱中大、小载荷交互作用。载荷交互作用效应可用疲劳裂纹起始的超载效应因子予以定量地表征。裂纹起始的超载效应取决于材料的应变硬化特性、构件几何以及超载的大小。因此,应视具体情况使用Miner定则。在始裂寿命占疲劳寿命主要部分的情况下,Miner定则可近似地用于估算疲劳寿命。     

采用多重交点判别的传感器网络覆盖控制协议

在保证一定的覆盖质量前提下,延长传感器网络生存时间,提出一种以充分必要条件判断网络节点冗余性的分布式覆盖控制协议.该协议通过多重交点判别法则(MIER,Multi-Intersection Estimation Rule)对无线传感器网络进行分布式节点的动态休眠控制,从理论上证明了MIER法则是判断网络节点冗余性的充分必要条件,能保证目标区域不出现覆盖盲点同时使活跃节点数降至最低.实验表明,MIER法则比CCP法则有了很大改进,消除由于法则本身引起的盲点数目,能更好的运用于覆盖控制协议中,更为准确的判断节点是否应该工作或休眠,是判别节点是否冗余的充分必要条件;同时比Ottawa法则更加高效的减少整个网络功耗,延长网络寿命.     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。     

基于RS-CART决策树的航空发动机小样本故障诊断

针对CART(classification and regression tree)分类决策树构建过程中由于小样本集特征维数高及噪声等造成的过拟合问题,在CART决策树算法训练过程中引入基于互信息的粗糙集(rough sets,RS)属性约简,考虑信息熵与基尼(GINI)系数刻画样本集“纯净度”的相似关系,对历史故障数据进行属性约简,降低属性维度以优化训练集,在此基础上构建分类决策树,可视化输出规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。     

基于QAR数据的关联规则挖掘算法的研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点,设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori.对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间,提高算法的运算效率,提高QAR数据关联规则挖掘的效率.