非线性高频振荡燃烧的研究

用数值模拟的方法研究了液体火箭发动机高频振荡燃烧的形成和发展过程。气相控制方程用欧拉坐标系下的Navier－Stokes方程组描述，液相控制方程在Lagrangian坐标系下描述，并采用高压蒸发燃烧模型。从计算的结果可以看出，当燃烧室内发生高频振荡燃烧时，在喷注面附近和燃烧室收敛段这两个区域内压力的波动幅度较大；通过对压力、混合气体温度及速度在振荡燃烧情况下的比较，得出了振荡燃烧发生时发动机内部两相流场的脉动频率与燃烧室固有频率相耦合的结论。     

液体火箭发动机故障诊断的最优回归方法

提出了一种基于最优回归理论的液体火箭发动机故障诊断方法，可以在测量参数较少的情况下诊断出较多的发动机故障。当发动机故障不太严重、故障因素也不多时，得到比较满意的关于故障定位和故障大小的结果；在发动机故障比较严重的情况下，仍能得到比较好的故障定位结果；当存在多个故障因素时，诊断效能有所下降。结果表明本文所提方法在比较大的范围之内具有良好的效果。     

液体火箭发动机离心式喷嘴振荡喷雾特性现状和发展趋势

为加深对振荡喷雾的雾化特性及其与不稳定燃烧的关系的认识,针对低温推进剂液体火箭发动机中广泛应用的气液同轴离心式喷嘴和液液同轴离心式喷嘴,从受激振荡、自激振荡以及喷雾振荡与燃烧稳定性三个方面对研究现状进展进行了综述,总结了以往研究中的成果以及需要克服的关键技术难题,以加深对振荡喷雾及其与燃烧稳定性关系的认识。通过综述可知：对于受激振荡,对于常温常压条件下的供应系统流量振荡引起的前端压力振荡的研究比较充分,但缺少对燃烧室压力变化引起的反压振荡的研究以及超临界条件下喷雾受激振荡的研究;对于自激振荡,研究主要集中在液体中心型同轴离心喷嘴,对于气体中心型同轴离心喷嘴和液液同轴离心喷嘴的研究还较少;光学诊断技术仍难以提取单一的燃烧流场信息。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

相干反斯托克斯喇曼光谱测量技术

根据燃烧诊断的需要 ,研究了理论相干反斯托克斯喇曼光谱 (CARS)与温度、浓度和压力的关系 ,在液化石油气 /空气预混火焰中进行了氮分子CARS测温实验。结果表明 ,CARS是一种很有前途的发动机燃烧诊断技术     

边界扫描测试仪软件系统开发

边界扫描是一种正在被人们普遍接受的可测试性设计技术 ,在电子设备测试和故障诊断中发挥着越来越重要的作用。本文介绍了开发的边界扫描测试仪样机的工作原理 ,并着重论述了其软件开发的几个重要问题。     

室内火灾旋转火焰燃烧特性实验研究

在小尺寸实验中重现了火焰的旋转现象,并在没有外部鼓风的情况下,实现了旋转火焰自发产生;对室内火灾的旋转火焰现象进行了描述,得出旋转火焰具有自旋、根部变细、焰柱增长和旋转中心飘移等特征;并进一步分析了旋转与非旋转火焰各火灾参数的不同,结果表明,旋转火焰比非旋转火焰具有更大的火灾危险性。     

基于Multi-agent临床诊断支持系统的设计

根据临床诊断支持信息环境的特点,结合Agent技术,设计了一套基于Multi-agent的临床诊断支持系统(CDSS)。该系统具有异构性、分布性、并行性和可扩展性,能适应CDSS的要求,有效地提高CDSS的性能。     

总线型导弹控制系统状态监测与故障诊断技术

分析了总线型导弹控制系统的地面测控体系及其特点,阐述了系统中单机部件的组成结构及其BIT技术;提出了新的测控体系下导弹控制系统状态监测和故障诊断方法,重点针对总线数据接口格式、系统知识表示和状态监测与故障诊断流程进行了讨论。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。