利用垃圾焚烧飞灰生产水泥熟料实验研究

垃圾焚烧飞灰含有CaO和SiO2这与水泥熟料的原料很相似,本文尝试将垃圾焚烧飞灰用于水泥熟料烧制。在来自杭州与上海的不同飞灰中加入不同比例的CaO,在高温箱式电阻炉内进行煅烧实验,考虑的主要因素包括煅烧温度、煅烧时间、CaO添加量等,并对煅烧产物进行X射线衍射分析(XRD)。研究结果表明,实验飞灰可以煅烧水泥熟料。     

燃烧室壁冲击-逆向对流-气膜冷却特性的数值研究

采用FLUENT软件对冲击-逆向对流-气膜冷却结构进行了流固耦合计算, 得到了对流通道和气膜形成区流场、流体温度场以及固壁温度场分布, 分析了该冷却结构内部复杂的流动和换热情况.计算研究目的是摸索一种火焰筒壁温的计算方法, 以较好地获得火焰筒壁温分布.计算结果和试验结果进行了对比, 两者有较好的吻合性.分析表明采用流固耦合计算获取冲击-逆向对流-气膜冷却结构的壁温分布是可行的.      

飞机用固体膜润滑剂

针对新机种对固体膜润滑剂的需求,研制了两种固体膜润滑剂-HR-7201和HR-7101.润滑剂采用国产原材料,具有摩擦系数低,耐高低温及耐介质等优良性能,使用温度HR-7201为-60～300℃,HR-7101为-60～200℃,短期可到250℃.已通过飞机典型零部件试验及长期试车考核,并在飞机上应用.     

装实心和空心传动轴的动力涡轮转子动力特性对比研究

分别建立了装实心和空心传动轴动力涡轮转子动力特性的有限元分析模型,对2种情况的转子动力特性从理论上进行了系统的计算分析,并在试验器上对动力涡轮转子的临界转速等进行了验证,结果表明所建立的计算模型能较真实地反映转子的动力特性     

固体燃料超燃冲压发动机燃速研究进展

对固体燃料超燃冲压发动机燃烧面退移速率（简称燃速）研究现状和进展进行了详细阐述,分别从固体燃料类型、燃烧室构型、理论预估模型、数值模拟及实验研究等方面出发,论述了固体燃料在超声速流动下燃速研究的进展和难点;从亚燃冲压发动机、热防护层、富氧环境下绝热层烧蚀3个方面提炼出可以用于超燃冲压发动机燃速研究的经验和方法:①提出了加强针对固体燃料超声速流动中受热行为、传热传质过程的研究方向;②深入探索了固体超燃燃速性质;③开发了对应的数值软件及系统地进行实验等观点,为国内该领域的研究提供参考.      

隔层式多脉冲发动机点火延迟数值仿真研究

隔层式多脉冲发动机点火过程较常规发动机有很多不同,为获得端燃型隔层式多脉冲发动机的点火延迟特性及其影响因素,建立物理和数学模型,采用MpCCI耦合器作为FLUENT与ANSYS的数据交换平台,模拟点火燃气填充隔层和隔层变形过程;采用FLUENT计算多脉冲发动机火焰传播过程及填充过程。计算结果表明,与传统固体火箭发动机相比,在相同点火药量的情况下,多脉冲发动机的点火延迟大大增加;推进剂燃速越高,点火延迟越小;燃烧室自由容积越大,点火延迟越大;隔层材料对点火延迟影响较小。可以通过适当加大点火药量和提高燃速来减小点火延迟。     

含损伤粘弹性本构及其在有限元分析中的实现

为研究固体发动机药柱的损伤粘弹性行为,针对一种耦合损伤的三维非线性粘弹性本构模型,采用积分算法对其进行了数值离散,导出了本构方程的增量有限元形式.针对该增量型本构方程对应的非线性方程组,建立了采用Newton-Raphson迭代法求解的应力更新方法,并基于Abaqus软件和Fortran语言开发了相应材料本构子程序,最后应用算例对所设计数值方法及程序进行了验证与分析.结果表明,本文有限元解与对应解析解吻合良好,保持了很高的精度,所设计方法及程序有效,可应用于实际型号发动机药柱损伤结构分析.     

基于细观颗粒夹杂模型的复合固体推进剂松弛模量预测

为更准确地预测不同固体颗粒体积分数的复合固体推进剂的松弛模量,采用了分子动力学方法对不同体积分数的复合固体推进剂细观模型进行建模.根据有限元理论及细观力学均匀化方法,计算在定应变工况下复合固体推进剂细观模型的平均应力随时间的变化,从而有效地预测复合固体推进剂的松弛模量.该方法有效地体现了随填充颗粒体积分数的增大,复合固体推进剂瞬时模量逐渐增大的变化规律及颗粒随机分布对复合固体推进剂瞬时模量的影响.将其应用到复合固体推进剂的设计过程中,可有效降低设计成本,缩短设计周期.      

气固紊流剪切流中颗粒弥散的拉格朗日模拟

本文提出了一种对于气固两相紊流剪切流中圆形固体颗粒弥散的拉格朗日拟计算方法，其中考虑了颗粒间的磁撞对流体相和颗料相的影响，应用该方法对一气固紊流剪切流场进行了模拟计算，并对有、无颗粒间磁撞情况下的模拟计算结果与Lavieville用大涡模拟方法的研究结果进行了比较，并进行了讨论。     

固体废弃物热解产物的神经网络预测模型

本文采用3层BP神经网络建立了固体废弃物热解产物的产率和特性的预测模型。采用遗传BP算法来优化隐层节点数和学习速率η0与回归方法相比，其预测误差明显小于回归公式的预测误差。