航天器随机振动和噪声试验条件设计方法

随机振动和噪声环境条件对航天器的设计与试验验证至关重要。文章阐述了航天器动力学环境模拟试验的原则,重点介绍了试验量级和试验持续时间的确定方法及其优缺点。确定试验量级的方法包括极限包络法和正态容差限法,确定试验持续时间的方法包括逆幂律、疲劳损伤和首次穿越方法。     

小型平板CPL实现高热流密度散热的研究

针对小型平板毛细抽吸两相流体回路(CPL)在高热流密度下的特点,分析了不同工质时系统的压力损失与毛细芯的毛细抽吸力,得出采用氨工质有着较好的传热性能和更高的毛细限,同时得出影响系统毛细限的主要因素是蒸汽联管管径和工质的蒸气密度,提出了工质传输系数作为选取工质的重要指标。建立了蒸发器多孔芯,金属壁面以及工质气、液空间区域的耦合数学模型,并运用SIMPLE算法进行求解,得出蒸发器内的温度分布及由于侧壁效应对多孔芯传热传质与传热极限的影响,同时提出小型平板CPL系统存在侧壁效应传热极限,它是影响系统最大传热量的一个重要极限,在设计小型平板CPL必须予以考虑。     

新型防松螺纹的应用探讨

介绍了新型防松螺纹的应用背景、国内外的研究水平、基本牙型及工作原理、应用价值等,探讨了新型防松螺纹的应用前景.     

温度对Whipple防护屏弹道极限参数影响的试验研究

在中国空气动力研究与发展中心超高速所的超高速碰撞靶上进行了-110°、20°和150°温度条件下铝质Whipple防护屏在4.0～6.0km/s范围内的超高速撞击试验。试验获得了该Whipple防护屏在三种温度条件下的弹道极限参数及其变化规律,结果表明：在本文试验状态下,温度对Whipple防护屏弹道极限参数的影响不显著;试验得到的弹道极限参数均大于Christiansen方程的预测值。     

软件重构技术研究与应用

软件产品功能需求的不断变化为软件产品开发按照既定项目进度完成带来极大的困难,为有效解决该问题,提出了一种在软件产品研制过程中采用软件重构技术的方案,介绍了软件重构的定义作用及应用原则,结合软件重构在项目中的应用,进行了效果对比及分析。说明软件重构技术在提高软件质量和满足需求变化方面有明显的作用。     

窄条翼导弹模型摇滚特性试验研究

开展了钝头体-窄条翼-尾舵布局导弹模型自由摇滚试验研究,马赫数范围0.4~0.8,迎角10°~35°,给出了试验结果.试验结果表明窄条翼导弹模型具有α=20°和α=35°两个摇滚区间,迎角范围很小;随着马赫数增大,摇滚的振幅减小,频率增大.分析表明,摇滚运动减弱了流动非对称性;摇滚运动与窄条翼和尾舵间的非定常涡作用密切相关.     

贫燃预混旋流火焰热声特性研究

以贫燃预混旋流模型燃烧室为研究对象,以当量比为变化参数,从不稳定振荡频率、脉动压力幅值和分布、热释放响应特性等方面分析,研究了燃烧不稳定性从开始到极限环的非线性演化过程.利用低阶热声网络模型加以数值模拟验证.结果表明:脉动压力方均根、热释放响应会随着当量比的增大而呈现典型的非线性激发过程,火焰结构在发展过程中发生明显的变化.计算分析结果表明当量比低于0.7时计算结果与实验结果频率误差小于1%,而在当量比大于0.7时,计算结果与实验结果频率误差为13%.      

机翼带外挂系统极限环颤振的区间分析

针对带有初偏间隙型非线性刚度的二元翼带外挂系统的极限环颤振,应用当量线化方法得出了颤振边界曲线,并根据颤振边界曲线用4阶Runge-Kutta法得到极限环相图,可明显看出极限环振动与普通周期振动的区别。然后引入了几个不确定量,通过区间分析方法给出了这些不确定量对机翼带外挂系统颤振边界曲线的影响,并用随机有限元法(FEM)验证区间分析方法的可靠性。进而可以得到一定来流速度下,具有不确定机翼外挂系统幅值的上下界,以及不确定参数对极限环相图的影响。知道机翼外挂幅值的上下界后,可以对外挂幅值进行适当控制。     

含不确定参数的复合材料壁板热颤振分析

研究了含有不确定结构参数的壁板颤振问题,利用vonKarman大变形应变-位移关系、气动力活塞理论和准定常热应力理论建立了复合材料壁板颤振的气动弹性力学模型,考虑在壁板颤振分析模型中存在的不确定参数,将其用区间向量定量化,基于区间扩张理论和Taylor级数展开,并结合有限元计算方法,提出了区间分析的方法来估计含有不确定参数的壁板结构颤振临界风速的区间,以及发生极限环振动时振幅的变化区间。通过数值算例,将本文提出的壁板颤振的区间有限元模型与随机有限元模型进行了比较,显示了本文方法的有效性和可行性。这种方法的优点是只需要知道不确定参数的所在范围界限,为解决含有不确定参数的壁板颤振这类复杂的气动弹性动力学问题提供了一个途径。     

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。