高超飞行器内流道激波振荡问题的数值研究及试验验证

采用数值模拟和风洞试验的方法,对吸气式高超声速飞行器盲腔状态的流动特性进行了研究。采用＂双时间步＂方法进行了内外流一体化的非定常数值模拟,利用彩色纹影系统对高超声速飞行器前体流场进行显示,并采用动态压力传感器测得了飞行器内流道的壁面压力随时间的变化。结果表明：盲腔构型在高超声速飞行中会出现周期性的激波振荡现象。数值模拟所得流场变化特征、内流道壁面压力振荡周期和壁面压力变化趋势与试验结果吻合良好。     

某型直升机发动机尾喷管前转接段模态分析

某型直升机发动机出现的尾喷管裂纹故障主要发生在尾喷管前转接段焊缝周围。为分析故障原因,文章建立了该型发动机尾喷管结构的计算模型。对该型喷管整体结构进行了自由振动和模态分析,获得了该喷管模型的多阶自振频率和模态。将有限元分析结果和实验结果对比表明,两者所得的固有频率吻合性较好。     

时变转速下裂纹圆柱壳的参数振动稳定性分析

利用有限元方法建立周期时变转速影响下裂纹圆柱壳的有限元模型并且得到了系统的质量、刚度和阻尼矩阵.在对圆柱壳进行模态分析的基础上,利用Bolotin方法编制MATLAB程序进行周期时变转速影响下裂纹圆柱壳的参数振动稳定性分析,讨论裂纹长度C、模态阻尼比ξ、转速基值Ω₀、静载荷因子α和动载荷因子β对不稳定区域的影响规律.      

水中上升气泡体积变化率的图像分析技术

水中上升气泡的体积变化率是舰船自消隐特种气幕技术等诸多研究的重要基础。鉴于当前对这一体积变化率研究的紧迫需求,提出并较为深入地研究了水中上升气泡体积变化率的图像分析技术。首先,在理论研究的基础上,专门建立了分析计算的数学模型;进而给出了分析的实施方法,即利用摄像法获取水中上升气泡的图像序列,并从中得出所需图像的相关信息,再利用建立的模型即可求出其体积变化率;同时,设计了专门的实验,初步验证了这一分析技术的可行性。     

转子-滚动轴承试验器有限元建模及实验验证

针对自行研制的转子-滚动轴承试验器,在Pro/E中建立了单盘转子的三维实体模型。通过Pro/E与ANSYS的无缝连接技术,在ANSYS中得到单盘转子的三维有限元模型,采用Sol-id185实体单元进行网格划分并采用Subspace法得到了前4阶固有频率和振型。利用锤击法对转子试验器进行了实验模态分析,并与ANSYS模态分析结果进行了对比。结果表明,基于ANSYS的计算模态和实验模态达到了很好的一致性。同时,利用ANSYS分析了陀螺力矩对临界转速的影响。最后,利用修改后的有限元模型仿真计算了不平衡动力响应,与相同条件下的实验结果比较表明,所建立的有限元模型能够准确模拟实际转子-滚动轴承试验器的动力学行为。     

结构的模态转换

 提出一种基于全等变换的模态转换方法,可将振动台模态试验获得的模态,转换成结构处在自由状况下的模态。对方法的合理性做了论述,并佐以例证。     

叶片盘的旋转失速振动响应分析

稳定气动力状态下的叶片盘的模型由连续系统组成。利用弹性和波动理论以获得叶片盘响应。响应是带有波动模态阻尼的模态解。由模态解,可以得到共振相对转速的表示方法和解释试验中的某些现象,此外,讨论了在气流稳定和失速状态下的广义共振情况。最后得出的结论是:在均匀稳定气流中不出现波动响应,但在失速流动下,波动响应呈随机的波动振动,而此时不产生驻波共振。     

航空发动机设计体系的建设与发展

本文对航空发动机设计体系的定义、基本内涵、作用和发展特点进行了探讨,分析了航空发动机设计体系的基本要求,提出了设计体系建设、发展的方法及途径,对设计体系的整体规划、关键技术分解、设计体系集成、发展等问题进行了初步探讨。     

航空发动机叶片高频模态阻尼的实验测试方法

以NASA Rotor37叶片为对象,研究了航空发动机叶片的高频模态阻尼比的实验测试方法.实验分析和数值计算均说明:在随机声激励下获得频响曲线将包含由支撑结构振动造成的峰值.基于此提出在支撑结构上布置多个传感器的实验方案,并以支撑结构的振动峰值位置和能量相对大小来判定叶片振动主导的振动峰值.用小波阈值收缩法和曲线拟合法对这些振动峰值进行了降噪和模态阻尼比识别,给出了实测模型在10kHz内“叶片主导振动”的模态阻尼比.结果表明:一般的结构金属材料条件下,叶片结构的高频模态阻尼比的数量级小于1%,且随频率增加呈下降趋势.      

模态参数识别的特征系统实现算法:研究与比较

以 GARTEUR飞机模型的飞行颤振和地面共振试验为例,对模态参数识别的特征系统实现算法的4种变形特征系统实现算法(ERA)、快速ERA(FERA)、相关ERA(ERA/ DC)和快速相关ERA(FERA/ DC),进行了深入的理论分析和仿真研究。结果表明:与ERA相比,ERA/ DC的阻尼识别精度在10%和30%噪声下可以提高6～60倍;FERA的识别速度可以比ERA提高4～1 0倍,且精度较高;而FERA/ DC的识别速度可以比ERA/ DC提高 3～5倍,并且精度不会降低。