火箭引射模态下主火箭总压与RBCC发动机的匹配性

基于传统的"等压面假设"理论,建立了RBCC发动机主火箭的引射性能分析模型,研究了主火箭总压与RBCC发动机的匹配性。研究结果表明,若隔离段通道面积比小于0.65,在主火箭总压较低条件下,隔离段内二次流容易达到壅塞,无法进一步提高空气流量;在地面静止状态下,随主火箭总压增加,空气流量逐步增大,等压面上形成Fabri壅塞后,进一步增加主火箭总压,反而会降低空气流量;在火箭引射模态下,RBCC发动机的工作状态可细分为引射作用占主导地位的进气道亚临界状态和临界状态、冲压作用占主导地位的进气道超临界状态,其分界马赫数分别约为0.7和1.5。     

包车白车身模态分析

应用有限元软件Hyper Mesh对某面包车白车身进行有限元建模,用Nastran软件进行自由模态计算,然后对计算结果进行分析。得到了前三阶固有频率,结果表明车架固有频率高于目标值,不会产生共振。为该车结构改进设计提供了理论依据。     

复杂时变激励下失谐叶盘瞬态强迫响应分析

提出一种高效的失谐叶盘瞬态强迫响应分析方法,不同于传统的数值积分方法,该方法推导出瞬态强迫响应的解析表达式,能更为高效地预测失谐叶盘的瞬态强迫响应。首先,对叶盘的高保真有限元模型进行减缩建模,在精确地描述叶盘结构的动力学特性的前提下,极大的减少了模型的自由度数目。其次,模拟加速旋转的涡轮叶盘经过复杂流场时叶片表面上的气动载荷,并建立叶盘固有频率和振型随转速变化的数学函数;通过共振分析确定叶盘共振的转速区间并分析引起共振的激励阶次成分。最后,计算了不同旋转加速度和阻尼下叶盘的瞬态强迫响应,并对叶盘的失谐幅值放大因子进行研究。应用本办法对某86个叶片的涡轮叶盘进行了数值分析,结果表明,相同阻尼水平下,叶盘的瞬态强迫响应幅值随旋转加速度增加而降低,失谐幅值放大因子在瞬态条件下大于稳态条件下,最高可达30%。     

基于自适应算法的Stewart平台微振动低频激励控制研究

针对空间微振动环境模拟的需求,以Stewart平台为对象,研究低频微振动激励控制.传统定增益控制器需要反复调节参数来获取满意的系统输出,同时由于摩擦等因素引起的非线性现象,导致难以在低频段建立精确的系统模型,以上问题均给控制器的设计带来困难.为此,设计一种自适应控制器加传统PID控制器的控制方案,并针对自适应控制器对于非参数不确定性等因素敏感的问题,采用dead-zone技术对自适应律进行修正,以提高控制器的鲁棒性.将此算法应用于Stewart微激励控制系统中,实验结果表明系统平台可以很好的输出单自由度与多自由度低频正弦激励,验证控制器在实际工程中的有效性.     

Lms Test. lab在超重训练设备模态分析试验中的运用

本文介绍了运用Lms Test. lab软件的模态分析为试验手段来诊断航天员超重训练设备所存在的故障,通过模态分析试验研究表明系统刚度变化对系统自振频率的影响,动力系统轴承齿轮间摩损的间隙以及环境因数如地基沉降对系统频率的影响等。     

基于B样条小波有限元激光陀螺抖轮的分析

建立了激光陀螺抖轮的三维有限元模型,对其振动特性进行了模态分析,建立了整个 模型B样条小波有限元模型;研究了一类新的有限元空间,它以B样条小波函数作为有限等参 元的形状函数;建立了模型的B样条小波有限元序列,利用B样条小波函数的变尺度特性在不 改变网格的剖分下提高分辨率,因此在处理局部应力集中,曲率分布突变边界等应用中具有 一定的优势,所以它的结果更接近于实际。最后对系统模型进行了仿真,给出了各个阶次 模态值,通过与传统有限元比较发现小波有限元具有收敛性好、求解迅速和网格划分灵活
等优点,这对于激光陀螺抖轮的优化设计具有重要参考价值。
     

光致伸缩作动器对开口球壳的主动振动控制

基于电压源模型,推导出薄膜式光致伸缩作动器应变与光强的本构关系。建立光电层合球壳系统动力学方程及模态控制方程。利用规格化后的模态控制因子对球壳子午线方向及圆周方向的薄膜与弯矩效应进行评价,不同位置下的模态控制因子为作动器布局优化提供了依据。将LQR控制算法与光源激励策略相结合,确定光电层合球壳系统的主动控制策略。进行主动振动控制仿真,得到球壳位移及控制光强响应曲线。仿真结果表明,在较低能量的控制光强下,光致伸缩作动器可实现对球壳的主动振动控制,且振动抑制效果明显。
     

金属网反射器索网预应力对模态的影响

卫星姿态和轨道调整时,金属网反射器索网结构的基频过低会使反射器产生振颤。文章通过金属网反射器索网结构的模态方程,利用有限元法来分析预张力的值与模态之间的关系,得到了预张力的大小对索网模态的影响规律,索网的基频会随着预张力的减小而下降,并用算例验证了这种方法的正确性。     

基于EMD-ICA与遗传算法的轴承故障诊断方法

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振 动信号进行处理。采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量 的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振 动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、 BP等诊断模型作为对比算法。试验结果表明：采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最 优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果。优化的算法相比其它诊断识别方法性能较佳, 使3种故障的平均诊断效果达到90%以上。