为研究不同舵偏角对某弹道修正火箭弹流场特性和气动特性的影响,基于3D N-S方程和S-A湍流模型,采用FLUENT软件对弹丸在不同舵偏角、不同马赫数、不同攻角下进行气动仿真计算,得到不同舵偏角下弹丸的升力系数和稳定储备量。仿真结果表明:舵偏角越大,平衡攻角越大,升力系数越大,稳定储备量呈先减小后增大的趋势。

传统的两电极电磁流量计的测量精度易受流量计前后直管段长度的影响,而且在流速低于0.25 m/s时测量误差将明显增大.针对上述问题,提出了一种8电极的电磁流量计,它由8电极传感器、多通道放大和采样电路以及嵌入式PC104微处理器组成.实验证明,这种流量计可以基本消除流速分布不对称对测量结果的影响,在低流速时测量精度有明显的提高.

针对随机产生输入权重和隐含层神经元阈值导致利用极限学习机辨识弹丸气动参数时会出现辨识结果发散问题,本文将粒子群算法与极限学习机结合,并且引入自适应更新策略以及粒子变异策略,提出了一种自适应变异粒子群优化极限学习机算法。该算法利用自适应变异粒子群算法寻优产生极限学习机的输入权重和隐含层阈值,有效改善算法性能。仿真实验表明,利用自适应变异粒子群优化极限学习机算法辨识弹丸气动参数,精度高、收敛速度快,能够充分满足实际工程需要。

炸弹气动参数辨识技术是飞行器气动参数辨识中的关键分支,要提高无控炸弹的命中精度,减少弹药消耗,需要对炸弹的气动参数辨识方法进行研究。针对利用一般极限学习算法进行气动参数辨识时预测精度低、预测结果易发散的问题,应用遗传(GA)算法优化极限学习机(GA-ELM)算法、极限学习(ELM)算法,GA算法优化产生ELM的输入权重和隐含层神经元阈值,可以使得输入权重和阈值包括更多的样本信息,以提高其辨识精度。仿真结果表明利用遗传算法优化极限学习机可以有效提高辨识精度,辨识结果有较好的收敛,但是由于遗传算法的寻优时间长,整体辨识时间加长。

因液压技术结构具备布置灵活、执行元件体积较小、运行稳定、反应快、惯性小,功率较大、配置柔性较大以及操作简单等优势,被广泛运用于机械上,有效提高了钻机运行效率,创造出更多价值。鉴于此,重点分析了液压技术在钻机上的运用情况,并提出了几点发展建议,希望能够为相关专业提供可以参考的理论依据。