Niyama判据对铸件缩孔缩松预测的适用性

应用ProCAST有限元模拟软件包的Niyama判据对TiAl合金十字板状铸件中肉眼可见的宏观缩孔缩松进行了预测,并通过实验进行了验证.结果表明:对于Ti-47Al-2Cr-2Nb合金十字板状铸件,判据值主要受到铸件壁厚(冷速)的影响,判据值随铸件壁厚的增加而增大,宏观缩孔缩松最严重的区域不是判据值最小的区域,而判据值最小的区域只有显微缩松而没有宏观缩孔缩松,所以无法根据判据值大小来确定宏观缩孔和宏观缩松产生的位置及大小.分析表明,Niyama判据是一种基于枝晶间显微缩松的预测判据,其判据值适用于评定显微缩松产生的倾向性,可以较准确地预测出显微缩松产生的位置.由于宏观缩孔和宏观缩松形成机理与显微缩松不同,所以不宜用于壁厚悬殊的复杂铸件宏观缩孔缩松的预测.      

分布式粗糙度对马赫数为4.5的平板边界层稳定性的影响

采用数值模拟求解Navier-Stokes(N-S)方程的方法研究了小幅值分布式粗糙度对马赫数为4.5的平板边界层中扰动演化的影响.用泰勒展开线性化的办法将边界条件取在光滑平板壁面上,来模拟小幅值分布式粗糙度.研究了粗糙度及扰动的不同因素对边界层扰动演化的影响,其中包括粗糙度高度、波长、粗糙度区域的长度及扰动波频率等.研究结果表明:分布式粗糙度通过改变边界层基本流场影响扰动波的幅值演化,一定幅值的分布式粗糙度会使粗糙度区域前的不稳定区向低频移动,使粗糙度区域后的不稳定区向高频移动.从总体效果上看,对于通过粗糙度时,靠近中性曲线下支界相对低频的扰动,粗糙度会抑制其幅值的增长;对于靠近中性曲线上支界相对高频的扰动,粗糙度会促进其幅值的增长.      

考虑裂纹形状变化的TC4钛合金振动疲劳裂纹扩展寿命预测

对TC4板材试件进行振动疲劳裂纹扩展试验,测得裂纹扩展寿命与裂纹长度之间的关系.使用超景深显微镜对裂纹形状进行观测和分析,拟合裂纹形状参数.将拟合表达式应用于应力强度因子幅值的计算中,并对裂纹扩展寿命进行预测.结果显示:裂纹形状参数对预测结果影响较大.当该参数取定值时,预测结果与试验结果误差较大.而所拟合的拟合表达式可以简单、准确地预测裂纹扩展寿命.      

航空发动机健康管理云服务系统设计与实现

为提高航空公司的资源利用率和经营管理水平,设计了一个基于云计算的航空发动机健康管理系统。分析了航空公司对云服务系统的需求,介绍了系统的结构体系和系统开发和运行的环境。叙述了系统的功能模型和信息模型,并通过发动机健康管理一个模块——“水洗”的使用来说明系统的使用过程。     

基于自适应IMM的高超声速飞行器轨迹预测

为了给基于预测命中点法的高超声速飞行器中制导拦截提供先验知识,提出高超声速飞行器的轨迹预测方法。首先,给出高超声速环境下与目标姿态近似线性的气动参数;其次,针对气动参数作控制量的运动模型,设计自适应交互多模型（IMM）跟踪算法,并进行性能有效性验证;然后,根据气动参数特性和目标假设机动方式,设计基于最小二乘拟合的轨迹预测方法。通过对目标轨迹进行跟踪和预测仿真,预测100 s的位置误差均小于5 km,速度误差均小于100 m/s,结果表明基于自适应IMM的轨迹预测方法对有规律机动的目标进行轨迹预测,效果良好。     

含金属固体推进剂在加速度场中燃烧时瞬态燃烧特性的预示

本文综述了含金属固体推进剂在加速度场中燃烧时瞬态燃烧领域的一些主要研究成果,指出了其中存在的某些阴显的不妥之处,如:金属颗粒的尺寸分布,金属球团变形参数与变形模量的关系.本文在综合有关模型的基础上,提出了含金属推进剂在加速度场中燃烧的计算方程组,并求解确定了其瞬态燃烧特性,所得结果比较满意,可供发动机设计和推进剂配方设计时参考.     

基于组合式神经网络的机场道面使用性能参数的预测

由于道面使用性能参数的变化是各影响因素逐年累积的结果,本文提出出了对部分影响因素原始值进行累加,生成新的时间序列值作为输入参数的方法;并采用组合式神经网络来预测机场道面使用性能参数,从而改进了文［１］的网络结构,且预测结果优于文［２］。     

飞机健康状况量化分析方法浅析

提出与飞机健康状况相关的事件参数、风险参数的概念,具体阐述了建立量化模型的思路和方法。该方法简单可靠,具有较强的可扩展性,可为飞机的技术派遣提供决策支持。     

飞机性能参数预测的不确定性处理

 利用飞机的性能参数对飞机进行故障预报和状态监控是非常重要的。飞机的性能参数不仅具有非线性而且往往包含噪声,使得故障预测结果具有不确定性。针对这些问题,研究了利用非线性支持向量机处理飞机性能参数的预测问题,通过增加线性约束的方式解决了噪声带来的不确定性问题。此种方法不仅提高了预测的精度,而且模型可以利用适用于处理大规模二次规划的序列最小最优化算法进行求解,使得其可以解决大数据量的预测问题。利用仿真数据以及实际飞机性能参数对该方法进行了实验分析,实验结果表明此方法在精度上较不考虑噪声影响的模型有所提高,对于进一步提高飞机故障预测的精度,从而提高飞机的安全性具有重要意义。     

改进的RBF神经网络非线性预测模型在语音编码中的应用

用一种改进的径向基函数(RBF)神经网络建立非线性预测模型来对语音信号进行处理,在提高预测精度的同时不影响传输码率。这种改进的RBF神经网络具有计算量小,学习速度快,不易陷入局部极小等优点。将此模型应用在ADPCM语音编码系统中进行验证,其恢复的语音质量优于CCITT建议G.721中的ADPCM编码,表明该非线性预测模型具有较高的预测精度,且在语音编码系统中有着很大的实用性。