日照边缘区域电离层对耀斑的响应特点研究

利用MSIS模型和背景太阳辐射谱模型,在一定大耀斑辐射谱假设的前提下,计算了耀斑期间日照边缘区域的电子产生率,分析了这一区域电离层电子密度的变化特点.结果表明,大耀斑期间在日照边缘区域,甚至大于太阳天顶角90°的区域都有明显的电子产生率的增加.从不同太阳天顶角处的电子产生率剖面的形态来看,随着天顶角的增加最大电离率减少,但高度增加.计算还显示了在太阳天顶角小于90°的区域内电子产生率的垂直分布有明显的双峰结构,这种结构对应着电离层的E区和F区,但在天顶角大于90°区域,F区的电子产生率要大得多.考虑到离子和电子的复合过程,这一区域的总电子含量的增加主要产生在高F区.      

航空涡轮叶片气膜孔参数化建模研究

介绍了航空涡轮叶片气膜孔参数化建模的现状,分析了其参数化建模的难度。提取了气膜孔参数化建模的参数,提出了以一组气膜孔为对象的参数化建模流程及参数检查方法,解决了涡轮叶片设计过程中气膜孔反复修改耗时耗力的问题,从而提高了涡轮叶片的设计效率。     

带不同凹腔结构涡轮问燃烧室数值模拟

为了提高航空燃气涡轮发动机的推进效率和满足低排放的要求,提出了1种基于涡轮内补燃增推循环的超紧凑燃烧室──涡轮间燃烧室。建立了3种带不同轴向凹腔(AC)结构的TIB模型,比较了3种模型的流动性能和燃烧性能。计算结果表明:TIB的燃烧效率高达99.3%,AC结构的改变对燃烧效率影响较小,但对温度场分布影响较大。     

研究有序—无序相变的原子集团变分法（CVM）

原子集团变分法广泛地应用于有序－无序相变的研究。该文系统地阐述了原子集团变分法的基本理论和其发展过程，并对其应用成果进行了综合评述。     

三旋流器加装外套环对燃烧性能的影响

对带有两种不同头部结构（基准型为方案1,头部加装外套环为方案2）的三旋流单头部燃烧室进行了研究,对有两种头部结构的燃烧室进行了流场和燃烧场的数值模拟,在相同的进口试验条件下,用燃气分析法和15点测温耙分别测量了两种头部的燃烧效率、出口冒烟数和出口温度场.结果表明:三旋流器的燃烧效率超过了99.7%,加装外套环后其流场、温度场分布均较基准型有所改善,回流区更加饱满,油气混合和燃油雾化效果增强,出口温度分布系数（OTDF）和出口冒烟数分别降低了36%和25%.      

螺栓孔的位置度误差对短精密螺栓连接结构装配力学特性的影响

为了研究螺栓孔的位置度误差对装配力学特性的影响,建立了考虑位置度误差的误差模型和有限元模型,研究了位置度误差对单个短精密螺栓连接结构的连接刚度和孔边应力的影响,建立了短精密螺栓组的位置度误差计算模型和有限元模型,分析了上、下被连接件的安装角度、第1颗螺栓的装人位置对短精密螺栓组结构的连接刚度的影响.研究发现:位置度误差...     

喷口尺寸对高温升燃烧室副喷嘴性能影响

为了获得某高温升燃烧室副喷嘴性能及其与喷口尺寸的相互关系,通过试验研究了供油压力和离心喷嘴的关键结构参 数对燃油流量、喷雾锥角和雾化性能的影响。研究的关键参数有喷口长度与喷口直径,采用3维相位多普勒粒子分析仪测量了某 一直线上各点的数密度分布,以及R-R（Rosin-Rammler）分布的特征直径D 和均匀度指数N。结果表明：在供油压力为164~3350 kPa的条件下,燃油流量和喷雾锥角随喷口长径比（旋流室与喷口直径比不变）和旋流室与喷口直径比（喷口长径比不变）的增大 而减小,增大喷口长径比和减小旋流室与喷口直径比可改善雾化效果。研究获得的规律为三旋流高温升燃烧室喷嘴优化设计提 供了重要的理论依据。     

基于纳米颗粒润滑的单点金刚石刀具磨损抑制技术

润滑是单点金刚石车削硬脆材料时的一个非常关键的因素,针对单点金刚石车床超精密加工单晶硅光学零件过程中刀具易磨损、加工精度一致性差等问题,提出了一种单点金刚石刀具磨损抑制技术,通过选用二硫化钼、石墨、铜、氧化铜等纳米颗粒作为润滑剂,在Ф25.4mm单晶硅平片上开展实验研究.结果表明,纳米颗粒的类型和质量分数对车削过程的润...     

三旋流燃烧室喷嘴雾化性能试验研究

为了获得三旋流燃烧室喷嘴雾化性能与喷嘴几何尺寸的相互关系,针对供油压力以及旋流槽长宽比和旋流槽角度等关 键结构参数对燃油流量、喷雾锥角和雾化性能的影响进行了试验研究。采用3 维相位多普勒粒子分析仪测量了某一直线上各点的 索太尔平均直径和数密度分布,以及Rosin-Rammler 分布的特征直径和均匀度指数。结果表明：当供油压力提高时,燃油流量和喷 雾锥角增大;旋流槽几何尺寸的变化对燃油流量和喷雾锥角有不同的影响,当旋流槽长宽比和旋流槽角度增大时,燃油流量减小, 喷雾锥角增大。研究所获得的规律为三旋流高温升燃烧室的喷嘴优化设计提供了重要的理论依据。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。