飞机座舱温度生理鉴定数值模拟

建立了人体热调节系统数学模型,对飞机座舱温度生理鉴定参数进行了数值模拟。并对计算结果进行了试验验证,计算结果与实验吻合良好。     

机翼尾迹脱落涡噪声的理论研究

Ｍｉｃｈｅｌ等人１９９８年应用平面传声器阵列对飞机过顶噪声进行的测量研究首次发现，机翼尾迹脱落涡噪声是某些类型飞机重要的噪声源。为发展一种预测这种噪声源的理论预测模型，应用ｖｏｎ Ｋａｒｍａｎ涡街模型模拟二维机翼下游尾迹脱落涡，尾迹涡的强度和脱落频率应用这个模型进行计算。基于Ｈｏｗｅ后缘噪声理论，并结合尾迹模型，本文发展了一种预测脱落涡噪声声压级和指向特征的气动声学模型。对６架现代商用飞机的机翼尾迹脱落涡噪声的计算表明，本文理论模型预测的涡脱落频率、声压级以及噪声的指向性等与实验测量结果有较好的一致性。     

随机声载荷时域信号仿真模型研究

利用航空发动机环行燃烧室噪声测试数据，采用时间序列自回归分析方法得到了燃烧室噪声及动压仿真模型ARMA（17，16），并用其对噪声时间历程数据进行了最佳预测。     

传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.      

轴流风扇/压气机管道周向声模态的测量

利用管道内部周向均匀分布的麦克风阵列对某单级风扇在高背景噪声和较大硬壁反射条件下的管道周向声模态进行了实验测量.利用与参考信号互相关(CC)模态分解技术和传统的方均根(RMS)模态分解技术得到了主要的周向声模态振幅.通过与Tyler和Sofrin的理论分析对比,发现在高背景噪声和较大硬壁反射条件下,两种模态分解技术都能获得较为理想的模态分解结果;并且发现CC模态分解技术获得的模态振幅较低,初步分析这是由于和RMS模态分解技术相比,CC模态分解技术可以降低随机噪声对模态振幅分解结果的影响.此外,周向麦克风个数大于所要分解周向声模态阶数的4倍时,使用CC模态分解技术获得的模态振幅误差可以控制在1dB之内.      

飞机客舱烟气扩散数值仿真

通过建立五排客舱的几何模型及客舱烟气流动的数值仿真模型,采用RNG k-ε湍流模型对客舱内的湍流流动进行描述。基于Fluent对火灾阴燃阶段客舱内烟气浓度场和温度场进行三维数值模拟分析,预测了烟气浓度随时间变化规律。结合适航规章分析烟气中CO、CO2浓度对客舱空气品质及乘客健康安全的影响,给出火灾紧急措施建议,同时也为大型运输类飞机烟雾的适航审定符合性验证方法的研究提供基础。     

表面热流可辨识性初步分析

表面热流的可辨识性分析可用于飞行器防热层内温度测量精度和测温点位置的确定,在工程上有较强的实用意义。从无量纲分析和仿真辨识出发,根据防热层材料热物性系数、测点位置、表面热流的频域特性等参数对表面热流辨识结果的影响规律,总结出了表面热流辨识问题的相似参数：基于表面热流频率参数的傅立叶数。此后,以这一傅立叶数为判据,针对不同测量误差值的情况初步建立起了表面热流可辨识性的准则和分析方法。     

基于传声器阵列的航空发动机噪声源识别研究

为了实现新一代发动机的噪声源识别技术,对于测试所得到的民用飞机发动机的整体噪声数据,通过部件噪声分解方法,将其分解到各个部件,并且认识当代民用飞机发动机噪声源的基本特征.开发出利用发动机整机噪声数据的噪声源识别系统,采用反卷积法将波束成型法的结果作为中间声源,从中获取所需要的声源信息,使得最终的结果更加准确.通过获取的发动机整机噪声数据,验证传声器阵列技术的可行性,并且证明了系统的可行性和有效性.     

民用飞机座舱二氧化碳气体浓度分析研究

对民用飞机座舱CO_2气体浓度进行了分析研究,阐述了民用飞机CO_2气体浓度的相关要求、计算模型,同时利用该模型对某型民用飞机未满载时座舱CO_2气体浓度进行了计算,并与试验结果进行了对比,验证了计算模型的正确性。之后利用该模型计算了某型民用飞机满载时座舱CO_2气体浓度,以表明某型民用飞机座舱CO_2气体浓度对相关要求的符合性。     

尾缘锯齿结构的降噪物理机制实验

对比分析了常规尾缘翼型与锯齿尾缘翼型尾缘湍流流场的基本特征,并通过线阵列的方法测量了两种尾缘结构的噪声.结果表明:锯齿尾缘翼型尾缘湍流流场的湍流强度以及3个方向上的湍流强度都相比于常规尾缘翼型有显著减少,声场结果显示锯齿尾缘翼型对尾缘噪声有显著减小,对前缘噪声影响很小.锯齿结构加宽了尾迹区域并加快了大涡的破碎,产生了额外的马蹄涡,湍流脉动衰减率沿着流动方向变大.