液体火箭发动机涡轮泵非线性转子系统稳定性影响因素研究

针对低温液体火箭发动机涡轮泵转子非线性系统开展了动力稳定性研究。采用有限元法建立了涡轮泵转子系统的动力学模型,研究了安装偏心对转子密封系统稳定性的影响,给出了失稳转速随安装偏心的变化规律。研究了存在安装偏心时当量密封间隙、轴承支承总刚度及轴向位置对液体火箭发动机涡轮泵转子系统稳定性的影响,分析了失稳转速随当量密封间隙、轴承支承总刚度及轴向位置的变化规律。最后开展了冷吹试验和热试验研究,验证了本文的理论研究结果。本文的研究为液体火箭发动机涡轮泵转子系统结构设计、故障诊断与安装维护提供理论依据。      

纯铀、二元或多元铀合金的焊接

叙述了纯铀、二元铀合金和多元铀合金的焊接性能及焊接工艺特点,适合焊接铀及铀合金的焊接方法以及在焊接过程中的注意事项.重点讨论了纯铀、铀的二元合金和多元合金的电子束焊接、激光焊接、等离子弧焊接、TIG(氩弧)焊接、固态焊接的工艺研究及其演变过程,描述了不同焊接方法所产生的不同的组织结构,用图表列举了大量的铀及铀合金焊接的力学性能数据.     

基于ProCAST仿真文件的精铸模具反变形方法

基于ProCAST数值模拟网格文件,提出了一种精铸模具反变形方法.首先提取所需网格文件中节点信息,将无序节点进行匹配变为有序节点.网格文件简化法与快速排序法的结合提高了排序匹配的效率.建立了模具反变形系统,经验证,所采用的方法取得了良好的效果.     

H~∞控制理论及其航天应用

Ｈ~∞控制理论的基本特征在本文中作了介绍，在回顾了鲁棒控制和Ｈ~∞控制理论之后，给出了标准Ｈ~∞问题及其基本解法。最后给出了其在航天领域的研究动态。     

面向对象的航空发动机稳态建模研究

以一个面向对象发动机仿真平台为基础,研究影响航空发动机稳态模型精度的因素。在面向对象稳态模型中可灵活选取共同工作方程,宜封装多种仿真算法,以适应各种求解需求,首选拟牛顿法。     

面向对象的涡扇发动机及控制系统仿真平台

研究了面向对象的航空发动机数值仿真平台实现机理, 构建了涡扇发动机及其控制系统模型库, 采用面向对象方法完成了模型库及辅助类库的代码实现;研究了交互式仿真界面及模块化构建仿真系统的关键技术, 在此基础上结合模型库、辅助类库构建了涡扇发动机及其控制系统通用仿真平台, 仿真结果表明, 该平台可计算发动机从零加速到最大状态的全程实时动态仿真, 动态误差小于8%, 控制系统响应快, 超调小, 能够满足发动机控制仿真的需求.      

三毫米波段四次谐波混频器的研究

文章采用微带结构研制出三毫米波四次谐波混频器。该混频器核心器件采用型号为MS8251-P261的GaAs梁式引线肖特基势垒二极管对。先用谐波平衡法分析出反向并联二极管对在本振信号单独激励下的大信号阻抗,并由此设计出本振网络;然后模拟出该器件在大信号本振激励下的小信号射频输入阻抗,并由此设计出射频网络。整个电路设计和安装在介电常数为2.22、厚度为0.127mm的RT/Duriod 5880基片上。当本振频率为23.15GHz时,该混频器射频输入88GHz～94.4GHz,实测带内变频损耗小于20dB。     

基于UML的航空发动机仿真建模研究

面向对象建模技术是建立可重用和扩展灵活的航空发动机仿真软件的有效途径。本文论述了应用可视化面向对象统一建模语言(UnifiedModelingLanguage)建立航空发动机仿真软件模型的方法和过程,首次运用UML表示法中的用例图、类图、顺序图和活动图描述了发动机仿真软件模型,并用C++编程实现了仿真软件中发动机模型类库、算法类及图形界面类,在此仿真平台上成功的实现了某双轴涡扇发动机的稳态仿真和动态仿真。结果表明,UML是建立扩展灵活的发动机仿真软件的有力工具。      

可供卫星使用的慢扫描摄像机

卫星用电视摄像设备是图像遥感器中电视技术的核心部份。本文介绍了我们研制成的一台慢扫描电视摄像机。该机性能良好,工作稳定可靠,可供卫星使用。本文还对该机研制过程中遇到的主要技术问题进行了讨论。     

基于神经网络的体视PIV空间标定模型

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力,定义了一个无量纲参数——误差衰减系数,来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性,发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段,证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力,而传统的多项式模型或小孔模型并不具备这一能力;此外,神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此,神经网络具备替换传统空间标定模型的能力,有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。