排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
用推力矢量控制技术改进超声速飞行器空气动力特性 总被引:1,自引:1,他引:0
为了提高某超声速飞机的空气动力学效率和机动性能,本文采用低阶的三维板块法和DATCOM半经验公式,在亚声速和超声速条件下,对不同马赫数和迎角情况计算了基本气动外形的飞机空气动力学特性、表面压力分布以及最大升力。此外还开发了一套软件以实现由引进的先进气动操纵面(如鸭翼等)控制的二维推力矢量技术。试验结果表明:气动操纵面结合推力矢量技术能够产生足够的低头力矩,且有能力满足高度机动飞行时的稳定性要求。此外,不论是亚声速还是超声速飞行,气动操纵面均可以提高气动效率5%-6%。 相似文献
2.
颗粒阻尼对直升机旋翼桨叶减振效果的试验 总被引:5,自引:1,他引:5
为探索直升机减振技术的新方法,研究颗粒阻尼技术在直升机旋翼桨叶减振中的应用,设计了直升机旋翼桨叶模型及其相应的颗粒阻尼器形式,利用试验方法研究了颗粒阻尼对非旋转及旋转桨叶模型的阻尼减振效果。试验结果表明:颗粒阻尼可以有效提高非旋转桨叶模型的前3阶阻尼水平,尤其可使桨叶第3阶模态阻尼比提高一个数量级甚至更多;在较低的转速范围内,颗粒阻尼还可以克服离心力作用,使旋转桨叶模型的挥舞和摆振加速度响应水平均得到有效削减,充分表明了颗粒阻尼作为一种振动控制手段应用于直升机旋翼桨叶的可行性。 相似文献
3.
4.
为了提高所选定飞行器模型的机动性,采用了一种标准遗传算法设计前缘翼根延伸(LEX).同时使用一种由三维低阶板方法结合DATCOM方法半经验公式的改进方法预测复杂外形飞行器(机身 机翼 尾翼)的空气动力载荷和最大升力系数.结果表明,在前缘翼根存在的情况下,升力系数在马赫数为0.4~0.8时提升了20.5%~15.3%,在马赫数为1.2时提升了6.8%,在马赫数为0.2~0.95之间升力系数最大值提升了9.5%~15%.在1~5 km的高度亚音速飞行时,其回转率得到了6.6%~8.0%的提升. 相似文献
5.
陈前 《南京航空航天大学学报》1982,(Z2)
为了改进结构系统的固有特性,使之与给定要求一致,本文提出了用最优化技术同时调整结构系统的多个固有频率,便它们同时收敛于目标值。为了提高效率,还建立了结构固有频率对物理参数的灵敏度概念,用来选取优化变量。此外,本文还推导了结构固有频率及模态的一级微分近似公式,並与一阶矩阵摄动法作了比较。最后将本文所提出的方法用于两种不同类型结构的调频问题,取得了相当满意的结果。 相似文献
6.
本文研究了粘弹性阻尼结构动力特性的分析方法。根据分数导数模型表示的粘弹性材料本构方程,对一种阻尼材料用拟合法构造了它的力学性能解析表达式。建立了一种八自由度夹层梁有限元模型,从而给出了粘弹性阻尼结构的典型动力学方程。为分析粘弹性阻尼结构的动力特性,提出了一种非线性特征值问题的迭代解法。应用上述方法对悬臂约束阻尼层梁的复模态参数进行了分析,并进行了实验验证。结果表明,分析与实验的结果一致,说明本文所提出的方法是可靠的且有较好的精度和实用性。 相似文献
7.
传统水稻种植面积估算基于地面测量,再逐级上报,时效性和准确性难以达到监管需求。文章利用遥感大数据云计算平台(Google Earth Engine,GEE),结合多源遥感影像(Sentinel系列,Landsat系列等),对整个湖南省大尺度范围进行了水稻识别算法实验。首先,针对云雾等客观因素造成数据缺失的现象,通过构建一种多源遥感影像数据融合算法,生成了完整的水稻生长周期遥感影像;然后,根据不同作物的生长物候特征,结合归一化植被指数时间序列特征进行分析,对早稻、中稻、晚稻等不同水稻类型进行了有效识别;最后,在精度验证方面,创新性地使用无人机辅助调查的方式对整体实验结果进行精度评价。最终结果表明:早稻、中稻、晚稻的准确率分别为85.15%、89.78%、86.01%,文章算法具有较高精度与鲁棒性,也能够为其他作物识别研究提供一定意义的借鉴与参考。 相似文献
8.
阻尼颗粒动态特性研究 总被引:3,自引:0,他引:3
在垂直简谐激励条件下,测量颗粒体对基础产生的冲击力,得到冲击力受约化加速度控制会经历一系列倍周期分岔的规律,并给出分岔周期冲击力的谐波分量表达式;通过稳态功率输入法得到阻尼颗粒产生的损耗功率和附加质量与激励的关系。试验结果表明,对于给定频率,损耗功率随激励幅值的增加单调递增;对于给定速度幅值,损耗功率随激励频率的增加呈现为:低频段迅速增大,而后递增速率减缓的过程。由颗粒体产生的附加质量存在明显的转捩点现象,转捩点之后,附加质量随激励幅值的增加而变小。 相似文献
9.
"高分五号"卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星,对于土地利用类型分类具有重要的应用价值,如何利用深度学习技术开展高光谱图像分类是当前研究的热点问题。深度学习中的语义分割方法在地面场景的图像中已经获得较好的应用,但是对于高光谱遥感图像的精度和适用性较差,无法准确获得精确的分类结果。文章采用U-net模型开展高光谱土地利用类型分类研究,首先基于"高分五号"卫星高光谱数据,构建样本数据集,然后训练分类模型,进行土地利用类型分类,探讨语义分割方法在高分五号高光谱数据上的应用能力。结果表明,采用深度学习中的语义分割方法能够有效提高精度水平,U-net模型的整体分类精度为0.9357,Kappa系数达到0.92,均高于SVM方法和CNN方法。采用深度学习中的语义分割方法,可以为"高分五号"高光谱数据的土地利用分类提供技术支撑,有效提升"高分五号"卫星的应用能力。 相似文献
10.