红外成像非接触转捩测量低速风洞试验技术研究

发展红外成像非接触转捩测量低速风洞试验技术,旨在解决特殊气动布局外形及金属材料模型转捩位置测量问题.通过在模型表面产生热壁面、现场测试模型表面发射率、使用遮蔽板、在金属模型表面喷涂隔热氟碳漆等措施,解决了环境条件、发射率、辐射传递干扰、金属模型材料特性等阻碍红外成像技术应用的关键问题;通过数值计算及试验测试得到模型热壁面与环境温差在20℃范围内,热壁面背景温度对转捩位置基本没有影响,解决了热壁面对转捩位置影响问题;通过试验原理、试验方法、关键参数测试、转捩判据、准度考核等研究工作,构建了红外成像非接触转捩测量低速风洞试验技术;通过引导试验考核了试验系统.结果表明:该技术实用可靠,值得推广.     

LY12MO铝合金板时效成形回弹率研究

利用自备机械时效工装,设计正交试验以分析探索了LY12MO铝合金板圆弧弯曲的时效成形工艺及变形规律,得到了时效成形的工艺参数影响顺序,初步研究了工件回弹量的实际控制方法。结果显示,当工艺为时效温度190℃、时效时间10h的条件下可使回弹率控制在12%以下,且金相组织有明显改变。     

国航空客A319成功夜航试飞拉萨机场结束拉萨机场43年没有夜航的历史

6月27日晚21点48分,随着国航西南分公司一架空客A319高原飞机利用RNP精密导航技术平稳降落在拉萨贡嘎机场,标志着中国民航拉萨机场夜航试飞取得圆满成功,从而结束了拉萨高原机场43年不能开放夜航的历史,使该机场具备了全天候飞行保障能力。     

一种非介入式高超声速边界层不稳定波的测量方法

地面风洞实验是开展高超声速边界层转捩研究的主要手段之一,但是目前可用于高超声速边界层三维空间测量的实验技术仍极为缺乏,且已有测量技术的动态响应频率普遍较低。基于光的折射和干涉原理,搭建了一套非介入式聚焦激光差分干涉仪测量系统（Focused Laser Differential Interferometry,FLDI）,可有效获取三维流场空间点的密度变化。在马赫数为8的常规高超声速风洞中,使用FLDI开展了来流雷诺数107/m、7°半锥角尖锥标模边界层的不稳定波测量实验。结果显示FLDI成功捕获到频率在327 kHz的第二模态不稳定波及其谐波（645 kHz）。通过与PCB测试结果进行对比,FLDI的高信噪比、高解析频率（本文实验有效解析频率1.5 MHz）、高空间分辨率（沿流向小于1 mm）等优点得以体现。鉴于FLDI的高时空分辨率等优良特性,其可用于高超声速边界层不稳定波行为以及感受性等问题的研究,为深入认识高超声速边界层转捩机制以及感受性问题提供了有效手段。     

不确定参数结构特征值问题的概率统计方法和区间分析方法的比较

 基于区间数学理论、灵敏度分析理论、Kronecker代数理论,应用Taylor级数展开、概率摄动技术,提出了具有不确定参数结构的特征值问题的区间分析方法。结合工程实例与传统的概率分析方法进行比较,给出了两种方法的数值解法及各自解法的Kronecker代数形式。数值算例的结果显示了区间分析方法在具有不确定参数结构特征值问题分析中的价值和有效性。     

A Nonlinear Sub-grid Scale Model for Compressible Turbulent Flow

本文采用直接过滤的Navier-Stokes方程组作为可压缩湍流大涡模拟控制方程组。方程组中因过滤产生的高阶相关项用Taylor级数展开近似,但仅保留级数的一阶导数项。这样产生的误差相当于丢失了模型的部分耗散作用,本文用一种动力学非线性亚格子模型来补偿丢失的耗散影响。本文根据Caylay-Hamilton定理导出了一个非线性亚格子模型,模型中包含的系数由动力学模式确定。与传统的动力学Smagorinsky模式相比,这种动力学非线性模型(DNM)稳定性更好,且不需要在统计均匀方向进行统计平均来计算模型系数,因此减少了计算开销。本文用这种非线性亚格子模型对绕双椭球高超声速湍流进行了模拟,并将所得结果与实验值、计算值及理论值进行了对比。结果表明,本文模型可以有效地模拟可压缩湍流流场。     

一种新的星间链路切换保护算法

 星间链路切换将严重影响卫星网络的通信性能,需要对切换链路加以保护,这方面的研究目前还很欠缺。为此,给出一种新颖的星间链路切换保护(ISLHP)算法,该算法可同时生成业务路径和备份路径,且具有最小的综合费用（包括备份费用和业务费用）。算法采用本地链路保护,为星间链路切换提供快速恢复,并利用星间链路切换的可预测性和备份资源的可共用性,通过降低需要保护的链路数,减少闲置的备份资源,来提高网络资源的利用率。仿真结果表明:该算法具有切换恢复时间短,网络资源利用率高等优点。     

粉末床激光成形熔池辐射强度信号的机器学习

粉末床熔融成形（PBF）的过程监测和质量识别是保障其制造质量的关键技术。在监测信号中,熔池辐射强度信号蕴含了丰富的熔池特征信息,但监测信号与材料科学现象的直接联系尚不明确,适合利用机器学习算法开展深入研究。首先,通过设置不同的工艺参数（部分偏离工艺窗口）实施316L不锈钢成形实验,成形过程中采集熔池辐射强度信号。然后,通过数据分割、特征提取和特征选择对信号数据进行预处理,构建了用于机器学习的数据集。最后,使用21种不同的机器学习算法,一是将熔池辐射强度数据按照工艺参数（如激光功率高、中、低）进行分类,经过训练的算法可在实际生产中识别异常（辐射强度异常、代表激光功率和扫描速度偏离最佳状态）;二是将熔池辐射强度数据按最终成形块体的质量（密度、表面粗糙度）进行分类,经过训练的算法可在实际生产中识别质量。结果表明：对于熔池辐射强度的异常识别,二次支持向量机算法的分类效果最好,准确度达到96.4%以上;对于密度和表面粗糙度预测,由于样件质量与数据样本之间的复杂关系,预测结果呈现不同的分布情况,但预测准确度均达96.0%以上。