逐步Ⅰ型混合截尾试验下Burr部件的可靠性分析

在逐步Ⅰ型混合截尾试验下,研究了Burr部件寿命参数及可靠性指标的极大似然估计和Bayes估计.利用简单迭代方法,给出了寿命参数和可靠性指标的极大似然估计的数值解.然后利用Lindely Bayes近似算法得到了平方损失下寿命参数以及可靠性指标的Bayes估计.最后,运用Monte-Carlo方法对各估计结果作了模拟比较,结果表明Bayes估计较极大似然估计的误差小.     

多点喷射空气酒精燃气发生器试验验证

为有效解决现有燃气引射气源存在的诸多缺点,适应一种引射系统大流量、小型化的需要,在综合分析各燃气引射气源方案的基础上,研制了一种以空气、酒精作为推进剂的多点喷射结构的燃气发生器,并开展了多种工况下的试验研究。结果表明:采用的多点喷射方案大大提高了空间利用率,有效满足了引射系统小型化的要求;喷雾性能好,喷雾锥角及粒径优于设计指标要求;点火可靠性高,解决了领域内现有燃气发生器点火可靠性低的缺点;点火迅速,燃烧平稳,可实现较为均匀的出口温度场;燃气发生器工作范围较宽,能在余气系数2.52～4.34范围内稳定燃烧;高效的火焰筒内壁空气冷却方式有效保证了燃气发生器长时间工作运行。     

RLV再入标准轨道制导与轨道预测制导方法比较分析

提出只更新飞行剖面参数的航程更新方法及相应的RLV再入标准轨道制导规律;结合轨道在线生成与跟踪技术,采用Runge-Kutta-Fehlberg自适应变步长轨道快速预报方法,研究了RLV再入轨道预测制导。进一步对两种制导方法进行了比较分析研究,研究认为标准轨道制导与轨道预测制导都是可行的RLV再入制导方案,其有机结合是未来可重复使用跨大气层飞行器再入制导的发展趋势。     

武警部队院校士官教员的使用培养及管理探究

随着武警部队编制体制的不断调整,士官教员逐步成为院校人才教育的重要组成部分。武警院校应发挥士官教育的优势,不断健全士官教员的培养机制、科学合理的管理模式,使士官教员成为新型军事人才培养的有力推手和有益补充,进一步科学提升武警院校学员满足第一任职的需求及院校教育的发展。     

基于旁支式次级源的舰船液压管路低频脉动有源衰减

舰船液压系统的低频脉动伴随流体沿管路传递,产生结构振动的线谱。针对难以通过被动式衰减的低频脉动,设计旁支式次级源,进行有源衰减的研究。所设计的旁支式次级源采用压电陶瓷驱动,结构紧凑且增加了放大结构,从而提高了响应特性。搭建液压管路的有源控制系统,采用FxLMS自适应算法,进行多线谱脉动的控制实验。实验结果表明,旁支式次级源能够对多线谱低频脉动进行有效衰减,减小随流体传递的振动能量,且对原液压系统工作性能无影响。     

运动流体介质和剪切层共同作用下平面近场声全息技术改进

传统的平面近场声全息将全息面置于射流内部。为了降低窗效应和卷绕误差对重建精度的不利影响,一般要求全息面尺寸为声源的2倍以上,而较大尺寸的传声器阵列放在射流内部会干扰射流的稳定。针对这一问题,提出将整个全息面置于射流外部的方法。根据经典的剪切层修正理论,首先分析声波由声源传播至全息面过程中路径和幅值的改变,继而推导出修正后的声场传播公式,最终建立起马赫数小于0.3的运动流体介质和剪切层共同作用下的平面近场声全息理论模型。数值仿真表明,改进后的平面近场声全息技术能够得到高分辨率的重建声场,对气动噪声源的定位精度较高,并且具备一定的抗干扰能力。     

基于相遇时间感知的延时容忍网络路由

延时容忍网络(Delay-tolerant Networks,DTNs)是稀疏的移动自组织网络,其无法建立源节点至目的节点整条路径。目前多数工作是在分析转发算法,而基于短相遇接触时间(Contact Duration Time,CDT)事实下的转发算法的研究工作甚少。为此,提出基于相遇接触时间的时延容忍网络路由(Contact Duration-Aware Routing,CDAR)。利用CDT、相遇间隔时间以及消息的时效计算一跳和两跳传递概率,再依据当前接触的和过去接触的节点中选择转发节点,从而构建低成本路由。实验数据表明,与同类的PROPHET路由相比,提出的CDAR路由的消息传递率提高了10%、平均时延缩短了12%和路由成本下降了23%。     

任务期间多层级不完全修复件的备件配置优化

针对任务期内普遍存在的故障件报废问题,提出了多层级设备的备件配置优化方法,确定了隐含在备件层次结构中的不可拆卸不可维修单元,通过忽略维修时间将设备中的不完全修复件近似等效为消耗件,并从底层开始逐层把所有下层备件数量折算为顶层备件数量,从而利用伽马分布的可加性计算设备的可用度,最后通过改进的边际算法得到备件分配方案。算例中通过与仿真方法的对比验证得出:只要维修时间不是过长,优化方法所得备件分配方案合理可行、易于实现,基本能满足保障要求。