离心甩油盘径向喷雾破碎机理实验研究

本文发展了离心甩油盘高速旋转雾化的光学测试实验台,采用高速数字成像、高速阴影成像等可视化方法研究了在不同转速（8～20kr/min）和燃油流量（4～15g/s）下航空煤油的喷雾形态及燃油破碎过程,分析了喷雾特性变化规律,并采用激光粒度分析仪测量了不同工况下的燃油雾化粒径及其分布规律。实验结果表明,甩油盘雾化过程中,科氏力推动液膜聚积在与甩油盘旋转方向相反的喷口一侧,且甩油盘喷孔出口处的液体呈薄片状。随着燃油的进一步破碎雾化,实验中观察到三种不同的破碎形态：韧带破碎、袋状破碎和剪切破碎,跟转速和燃油流量有关,研究基于气动韦伯数和液气动量比给出了破碎模式图。研究表明甩油盘转速是影响雾化特性的主要因素,甩油盘转速越高,燃油粒径越小;离散度在气动韦伯数和液气动量比的综合作用下呈现不同的变化趋势。     

基于 Kriging与多点取样算法的压气机特性建模

针对航空燃气轮机流量系数插值建模过程中,获取样本数据时的实验成本较高以及插值模型精度偏低这 2个问题,根据样本点在设计空间中的分布与模型精度的关系,在 Kriging插值模型的基础上,采用把垂距作为设计变量取值标准的取样算法。首先,将样本点与相邻 2点之间连线的垂距与垂距阈值进行比较,筛选出符合条件的数据点,形成候选点集;其次,选用高斯函数判定基础点集和候选点集的相关性;最后,使用该算法筛选后的样本点构建 Kriging插值模型。实验结果表明,该方法使用的样本点为原来数量的 70%左右,并且预测精度得到了提高,该方法是有效可行的。     

不可压缩流动的高精度非标准格子玻尔兹曼方法

首先回顾了高精度非标准格子玻尔兹曼方法的发展历程,基于高精度通量重构格式,发展了一种通量重构格子玻尔兹曼方法（FRLBM）。采用两种求解方法：一种是将碰撞项隐式处理,直接求解离散速度玻尔兹曼方程（直接法）;另一种是先执行碰撞步,再求解纯对流方程（分步法）。通过收敛性研究,比较了这两种方法的精度和稳定性。研究结果表明,在小时间步长下两种方法误差近似,都能取得高阶精度;然而当时间步长增大,直接法误差几乎不变,分步法误差出现明显上升。由此表明,当取得近似误差时,直接法可以采用较大时间步长,计算效率更高,且直接法的稳定性略占优。接着通过模拟顶盖驱动方腔流验证了FRLBM捕捉流场细节的能力,并且比较了基于半隐格式的显式方法和一阶、二阶及三阶隐式-显式Runge-Kutta格式的时间离散,在不同雷诺数下的最大允许Courant-Friedrichs-Lewy数,数值结果表明二阶隐式-显式Runge-Kutta格式效果最优。最后数值模拟了圆柱绕流,验证了FRLBM计算复杂外形绕流的可靠性。     

交互外形设计中的有理插值方法

在CAGD中,构造光滑曲线通过给定的二维或三维点集是非常重要的问题。广泛釆用的方法是Hermite技术,但是依照这种方法,插值曲线的形状过多地依赖于切矢的模长,且形状的修改不能依几何的方式交互完成。本文提出了一种结合交互技术和插值技术于一体的曲线插值方法,插值基函数为有理函数,在此基础上讨论了形状参数在几何修形中的作用,     

自动化加工刀具破损监测系统

提出了融合声发射信号和电流信号检测刀具破损状态的方法,尤其是采用小波变换处理电流信号获取信号特征,可以改善检测系统的适用性。实际应用证明系统具有高的可靠性。     

GPS时间比对数据的Vondrak平滑和三次样条插值处理

介绍了Vondrak平滑方法和三次样条插值方法。利用国家授时中心时间频率基准重点实验室的GPS时间比对数据,先进行预处理和规范化处理,再采用Vondrak平滑方法和三次样条插值方法进行处理,得到的结果表明:在实际中利用Vondrak平滑方法和三次样条插值方法对GPS时间比对数据处理是可行的,减弱了随机噪声的影响。     

基于变换域优选的航天器多域联合智能抗干扰决策方法

利用传感器采集航天器飞行参数,构建航天器多传感器分布式通信网络,并利用全局奖励确定最佳通信信道。通过变换域优选方法对信道频域实现抗干扰处理,在干扰较为严重时使用Stackelberg的功率域抗干扰方法,确定最佳传输功率,完成航天器多域联合抗干扰。实验结果表明,该方法可以针对不同干扰类型做出抗干扰决策,令航天器通信网络维持在稳定通信状态。     

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。