环截面管中的爆燃转爆震实验

为了实现在环截面爆震管封闭端同时点火,采用了先在预燃室中点火,再通过八路支管将火焰引入到爆震管封闭端,各个支管长度一样,因此可看成在环管封闭端多点同时点火.实验结果显示,在爆震管封闭端火焰汇聚形成激波点火,可在环管封闭端附近直接产生爆震波.在爆震管中安放扰流片时,流动阻力使爆震速度偏低,无扰流片时,爆震速度接近理论值.不加扰流片当量比在1.0左右,火焰速度会出现爆燃或爆震两种随机状态,当量比到1.1时可避免这种状况.      

非正侧视阵列机载雷达多空间角补偿算法

 非正侧阵列机载雷达的杂波分布随距离变化而变化,各距离单元的杂波分布不再满足独立同分布条件,造成统计型空时自适应处理(STAP)处理器性能下降。本文提出了一种多空间角补偿(MSAC)的非正侧视机载雷达杂波抑制方法,该方法先通过角度-多普勒补偿(ADC)预处理以消除在谱中心处的杂波非均匀,然后采用MSAC法在多个多普勒方向使参考单元和待检测单元的杂波谱保持一致,从而进一步消除在其余方位的杂波非均匀。仿真结果表明了该方法的性能明显优于ADC法,且运算量增加不多。     

战术数据链综合试验研究

战术数据链是一个传送战术信息的网络,有很强的军事用途。本文介绍了战术数据链的基本结构、时分多址组网方式以及编队通信流程,最后,对战术数据链地面综合试验程序做了较为详细的叙述。     

30P-30N多段翼型复杂流场数值模拟技术研究

采用"亚跨超CFD软件平台"(TRIP2.0)数值模拟了30P-30N多段翼型的复杂流场,主要目的是考核湍流模型、转捩位置对多段翼型压力分布和典型站位速度型的影响。本文通过求解任意坐标系下的雷诺平均的N-S方程,采用多块对接结构网格技术,在与相应试验结果对比的基础上,详细研究了SA一方程湍流模型、SST两方程湍流模型、不同的转捩位置对该翼型压力分布和典型站位速度型的影响。本文的研究结果表明,采用全湍流模拟方式可以较好地模拟该多段翼型的压力分布,但对速度型的模拟精度较差;模拟试验的转捩位置可以改善主翼附面层与前缘缝翼边界层尾迹区的模拟精度;采用微吸气技术推迟前缘缝翼的转捩位置,可以进一步提高缝翼尾迹区的数值模拟精度。     

考虑转捩影响的风力机翼型气动特性计算研究

基于二维雷诺平均Navier-Stokes(RANS)方程,耦合eN数据库方法进行流动转捩判断,采用SA湍流模型计算了风力机专用翼型DU91-W2-250的气动特性,得到了雷诺数Re=1.0×106时,攻角在-11°~12°范围内该翼型的升力和阻力特性曲线及压力分布。通过对全湍流计算结果、耦合转捩判断的计算结果及实验数据的对比,表明考虑转捩因素后的计算结果与实验结果吻合更好,说明要准确模拟风力机翼型的绕流,必须考虑转捩影响。     

广州中信广场台风特性与结构响应的相关性分析

基于台风“达维”登陆时广州中信广场风场及结构响应的现场实测数据,对于风场特性和结构加速度响应状况进行了计算分析,计算分析结果表明,城市上空强风“达维”的湍流度比较大,在台风“达维”作用下结构的横风向响应与顺风向响应接近;同时在不同的时距条件下对风场特性与结构加速度响应的相关性进行了分析,由分析可知取3min为基本时距时风速与结构响应的相关性系数值较高,说明在确定结构的风荷载和计算结构风致响应时取基本时距为3min更为合理。     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

尾迹扫掠下超高负荷低压涡轮叶片附面层特性

利用表面热膜测量上游尾迹周期性扫掠下某超高负荷低压涡轮叶片吸力面附面层的非定常流动特性.通过热膜测得的准壁面剪切力及其统计参数云图分析了尾迹与附面层的相互作用对分离、转捩及再附过程的影响.实验结果表明:对于低雷诺数Re超高负荷产生较大分离泡的情形,尾迹扫掠对涡轮叶片附面层的发展具有显著影响,能够有效地抑制附面层的流动分离.      

热氧、湿热和热水老化对T300/ BHEP 复合材料玻璃化转变温度的影响

通过对碳纤维/环氧复合材料(T300/BHEP)进行热氧、湿热和热水老化研究,得到了材料的质量变化率和Tg随老化条件的演变规律,分析了老化机理.结果表明:T300/BHEP复合材料在热氧老化条件下,因后固化和自由体积收缩,Tg升高;在湿热和热水老化条件下,因水分塑化作用和水对分子链间氢键的破坏,Tg降低.三种老化条件下,Tg与质量变化率均呈线性关系.对比80℃热氧、80℃/RH75%湿热和80℃热水老化条件下的结果,发现水分的塑化作用对Tg的影响要大于因热的作用产生的后固化,且湿度越大,Tg降低越明显.     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。