相变光盘的介质优选及理论计算

 本文着重论述相变光盘的存储机理、介质优选、理论计算及光存储最新进展。     

涡轮盘用变形高温合金在俄国的发展

本文简要介绍了俄国涡轮盘用变形高温合金的发展概况,列出了一些合金的成分和性能,其最高工作温度可达850℃,这个合金系列均可采用传统的熔炼加变形工艺生产涡轮盘,且其质量和性能水平可与粉末涡轮盘相比美。     

涡轮盘多轴低循环疲劳寿命可靠性分析

多轴低循环疲劳是航空发动机涡轮盘的主要失效模式,应用多轴疲劳寿命预测的等效应变模型和临界面模型对某涡轮盘中心孔的疲劳寿命进行了预测,并与试验寿命进行了对比,得出等效应变模型预测结果均偏于危险,并且误差较大,而临界面模型误差较小,尤其拉伸型破坏的SWT模型误差在10%以内。进一步选取SWT模型进行了涡轮盘的寿命可靠性分析,鉴于多轴疲劳试验复杂、费用高并缺少统计数据,利用现有单轴疲劳试验数据将疲劳性能参数表示为标准正态随机变量的函数,将SWT模型随机化建立多轴疲劳寿命概率模型,得到可靠度0.998 7的涡轮盘寿命,与试验估计给出的技术寿命较为接近。     

靶板抗轮盘碎片撞击能力的数值模拟

为研究机匣抵抗轮盘碎片撞击的能力和破坏方式,找到机匣结构优化设计的方法.用显式非线性动力学软件Dytran计算1/3轮盘碎片与单层和双层靶板的撞击过程.碎片及靶板均选用Johnson-Cook材料本构模型,结合Gruneisen状态方程.撞击过程基于Lagrange算法采用显式有限元计算.结果发现,靶板主要破坏方式为整体塑性变形、剪切撕裂和拉伸断裂;间距较大时双层靶板的弹道极限速度随间距的增加而增大;前靶板厚度比例较小或较大时弹道极限速度较大;单层靶板的抗击穿能力优于厚度均布的双层靶板.因此,通过对双层靶板的厚度和间距进行合理的搭配,能达到比同等厚度的单层靶板更好的抗击穿性能.      

一种基于SNM降阶技术的整体叶盘结构失谐识别方法研究

本文以谐调叶盘有限元模型解析模态和失谐系统的实验测量模态作为基础信息,提出了一种整体叶盘结构失谐识别方法。该方法基于SNM降阶技术,大大降低了识别过程的计算花费以及对基础信息的要求;采用了子矩阵型技术使得失谐参数定义更加的自由,并使得该方法具有模型修正的功能;利用最可能向量技术处理实验测量模态振型,有效的限制了测量噪声、非线性等因素对识别过程的影响。最后以一个真实叶盘结构的数值仿真分析证明了该方法的正确及有效性。     

超临界航空煤油喷射到大气环境的喷射特性

用纹影系统对超临界RP-3航空煤油喷射到大气环境中的喷射特性进行了试验研究.在纹影照片中可以看出喷嘴出口下游产生了桶形激波、马赫盘和斜激波,射流近场结构与高度欠膨胀空气射流非常相似.测试结果表明马赫盘的位置随着对比压力的增大而增大,对比温度对马赫盘位置的影响不大;马赫盘的直径随着对比温度的升高而减小,随着对比压力的增大而增大;射流的喷射长度随着对比压力的增大而增大,随着对比温度的升高而减小.      

失调叶盘结构模态特性及抗共振可靠度分析

为了探究航空发动机失调叶盘结构的固有频率在不同随机参数下的分布规律,建立了叶盘结构的有限元模型,对各随机变量选取了不同的失调程度.利用拉丁超立方抽样与响应面相结合的方法,对不同结构参数、工况下的叶盘固有频率进行了概率分析,得到了其在不同失调情况下的分布特性以及对各输入参数的灵敏度.利用工程振动理论建立了结构共振失效的极限方程,给出了叶盘结构在随机频率的激振力下的抗共振可靠度的计算方法,并对不同材料属性参数失调程度下的叶盘抗共振可靠度进行了计算,得出了叶盘抗共振可靠度在不同程度的材料属性失调下的变化规律.     

旋翼桨叶结冰对直升机飞行性能的影响

采用由翼型冰风洞试验推导而来的工程公式,将旋翼结冰模型嵌入离散格式的旋翼气动模型,分别计算结冰后每个桨盘网格区域的翼型升、阻力系数的增量和挥舞系数的增量,建立了结冰后的UH-60A直升机飞行力学模型.结合发动机功率数据,通过改变结冰条件,研究了不同结冰参数对最大平飞速度、最大垂直爬升率和最大爬升率的影响.结果表明:在环境温度为0~-10℃时,降低环境温度会严重降低飞行性能;液态水含量对所选性能指标有一定影响;水滴直径对最大平飞速度的影响较小,对爬升性能的影响可忽略不计;飞行性能指标随结冰时间呈线性下降趋势.      

某风扇/增压级非设计点性能计算及进气畸变影响分析

在原流线曲率法程序的基础上, 增加了适用于高速风扇/压气机的双激波损失模型.真实地反映了高速风扇/压气机的实际工作状况, 提高了预测高速风扇/压气机非设计点性能的准确性, 完善了分析进气畸变对风扇/压气机性能及稳定性影响的准三维计算模型.针对一台外涵转子叶尖马赫数大于1.4的大涵道比风扇/增压级, 计算分析了其非设计点性能以及进气畸变的影响.计算结果与试验结果吻合较好, 精度可靠, 可应用于工程实际.      

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.