超声速自引射装置的工作过程研究

应用湍流κ-ε双方程模型,分析了液体火箭发动机自引射工作过程所用的超声速自引射装置(简称引射器,包括圆柱型和二次喉道型引射器)在相同二次流入口面积时的流场分布,依据流场分析值确定了激波在引射器内的位置,结果表明喷管内的气流达到满流状态,并根据有关参数计算了引射系数.对比引射器真空舱内压力仿真值和试车测量值,两者基本一致.      

液体火箭发动机启动段振动信号的小波去噪

液体火箭发动机试验启动段的振动信号中包含有大量的噪声分量,通过小波变换的Mallat算法对振动信号进行去噪处理,并通过试车数据对采用的方法进行验证,取得了良好效果,显示了小波去噪在振动信号去噪领域的广泛应用前景。     

幂律流体撞击射流破碎机理的实验

通过自行研制的撞击射流系统,采用高速摄像技术,对4种不同卡波姆质量分数剪切变稀的卡波姆凝胶非牛顿幂律流体在不同射流条件下撞击液膜的破碎模式、喷雾锥角、破碎长度进行实验与分析.结果表明:不同流变特性的幂律流体出现的破碎模式不同,黏度越高,破碎模式越复杂;4种卡波姆凝胶在韦伯数为8000左右时,达到完全发展模式,并在韦伯数为8000左右时表现出相似的破碎特性;随着韦伯数的增大,喷雾锥角逐渐增大并趋于稳定,稳定值小于撞击角度,当卡波姆质量分数增大时,最大喷雾锥角逐渐减小,最终收敛于60°;随着韦伯数的增大,4种卡波姆凝胶的破碎长度先小幅变大然后减小,理论结果与实验结果整体趋势相似.      

高频不稳定燃烧的声学数值仿真

高频不稳定燃烧一直是液体火箭发动机研制过程中所要面临的重大难题之一.采用具有低色散低耗散特点的计算气动声学方法,对自燃推进剂变轨发动机(OME)的高频不稳定燃烧进行时域下的数值仿真.由Crocco的压力时滞模型对燃烧热释放和声波之间的耦合进行模拟,并对不同的时滞模型参数对稳定性结果的影响进行了分析,给出发动机的稳定性极限图,确定一阶切向及一阶径向振型为主的不稳定振型,与地面试车实验捕捉到的不稳定振型相一致.结果表明:采用计算气动声学方法对带有Crocco压力时滞模型的声波扰动方程进行时域下的数值求解,可以对发动机的高频不稳定燃烧进行成功地预测.      

基于RVM的液体火箭发动机试验台故障预测方法

液体火箭发动机试验台故障预测问题实际上是与试验台相关的参数预测问题,通过预测相关参数在试验台运行过程中的变化趋势,可以判断试验台未来某一时刻是否可能发生故障。由于液体火箭发动机试验台系统复杂、不易建模,提出了一种相关向量机(relevancevector machine,RVM)故障预测模型。在模型的训练阶段,根据数据序列的特征,分别采用单参量、相空间重构和多参量的方法进行了模型的训练,然后利用训练好的模型对试验台总体健康度和启动过程推力进行了趋势预测。预测结果表明,该方法能有效地跟踪试验台可能发生的故障及故障发展趋势。     

液体火箭发动机推力室内壁寿命预估

为了分析推力室内壁失效机理及准确预估推力室内壁寿命,对推力室进行流-热-固耦合计算.流-热耦合为热-固耦合提供准确的热和机械载荷,热-固耦合模型对推力室内壁在循环加载下的变形进行非线性平面应变有限元分析.通过计算,得到了推力室内壁在单循环各阶段的应力-应变分布和循环加载下的变形过程,并进行了寿命预估.结果表明:采用的流-固耦合策略能准确地实现流-热耦合模块向热-固耦合模块的载荷传递,能为结构分析提供准确的边界条件.在预冷、后冷和松弛阶段,内壁承受拉应力;在工作阶段,内壁承受压应力.随着循环次数的增加,内壁残余应力和应变不断增大,内壁向燃烧室内鼓起和不断变薄,冷却通道中心最先失效.所采用的分析模型能够模拟内壁在循环热和机械载荷下的变形过程,用于预估推力室内壁的循环寿命.      

涡轮叶片内部冷却通道传热和压力 分布特性的实验

针对带45°肋片圆形弯头U型通道进行了传热和压力分布特性的实验研究.实验中进口雷诺数变化范围在30000~55000之间.研究表明,肋片引起的横向二次流在弯头前区域是强化传热的主要因素.不同雷诺数下传热分布和压力分布的趋势完全一致,但弯头区后半段上传热分布有所差异.通道中的最大压降出现在弯头区,进口雷诺数越大,弯头损失系数和总损失系数都有所减小.流体在圆形弯头中,加速效果没有矩形弯头强烈,弯头区和弯头后的传热较矩形弯头都有较大幅度地减小.      

带射流的收缩型通道内部换热特性液晶瞬态实验

将航空发动机进气道支板冲击腔简化和放大为一带射流的收缩型通道,并采用最新窄带热色液晶全表面瞬态测温技术对其内表面进行冲击换热实验,具体研究了射流雷诺数、孔径及孔间距变化对努赛尔数分布及大小的影响。实验结果表明:射流雷诺数的增大、孔径的增大及孔间距的减少均使通道内部换热得以加强,但努赛尔数分布的变化及平均努赛尔数的增幅不尽相同;并且侧壁换热受孔间距影响最大,前缘换热则受射流雷诺数的影响最大。     

基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。      

基于特征模型的挠性充液卫星姿态控制

采用一种改进的基于特征模型的黄金分割自适应控制方法来解决带有挠性附件和液体晃动的大型卫星远地点机动时的姿态控制问题.根据卫星动力学方程推导特征模型,以动力学特点引入角速度信息构建一种改进的黄金分割自适应控制方法,通过数值仿真加以验证.仿真结果表明,该方法相比传统PID控制,能在不增大控制能量消耗的前提下改善系统控制性能.