为研究不同侧风和静电电压对静电喷雾雾滴飘移的影响规律,设计不同侧风(恒速风1、2、4 m/s及0~4 m/s变化的模拟自然风)及静电电压(0,2,4,6,8 k V),进行喷杆式静电喷雾机的雾滴飘移试验,测定不同静电电压下的雾滴粒径与荷质比,并对比分...为研究不同侧风和静电电压对静电喷雾雾滴飘移的影响规律,设计不同侧风(恒速风1、2、4 m/s及0~4 m/s变化的模拟自然风)及静电电压(0,2,4,6,8 k V),进行喷杆式静电喷雾机的雾滴飘移试验,测定不同静电电压下的雾滴粒径与荷质比,并对比分析雾滴飘移质量中心距和飘失率。结果表明:随着静电电压的增大,雾滴粒径减小,雾滴荷质比增大,0~8 k V电压下电极干燥和电极打湿对雾滴荷质比没有显著影响。在侧风风速为1 m/s时,0~8 k V静电喷雾的雾滴飘移中心距小于0.55 m,雾滴飘失率低于15%。在侧风风速2 m/s时,非静电喷雾的雾滴飘失率为11.9%,6~8 k V静电喷雾的雾滴飘失率超过20%,其中静电电压8 k V的雾滴飘失率(23.9%)比非静电喷雾增加100.8%。在侧风风速4 m/s时,4~8 k V静电喷雾的雾滴飘移中心距在0.9 m以上,雾滴飘失率在30%以上,其中静电电压8 k V下的雾滴飘移中心距为967.2 mm比非静电喷雾下增加了13.7%,雾滴飘失率为35.4%比非静电喷雾下增加了59.5%。相同静电电压下,2 m/s的恒速风和0~4 m/s变化的模拟自然风之间对雾滴飘失率无显著差异。该研究为优化喷雾技术参数和提高雾滴抗飘移的能力提供参考。展开更多
PHM(prognostics and health management)系统健康评估作为连接故障诊断和故障预测的纽带,具有十分重要的作用。针对自动驾驶仪PHM系统健康评估存在的多工况、非线性和小子样问题,提出了一种面向自动驾驶仪PHM系统的贝叶斯网络简化推理...PHM(prognostics and health management)系统健康评估作为连接故障诊断和故障预测的纽带,具有十分重要的作用。针对自动驾驶仪PHM系统健康评估存在的多工况、非线性和小子样问题,提出了一种面向自动驾驶仪PHM系统的贝叶斯网络简化推理模型,建立了一种基于可变信息的改进贝叶斯节点和迭代交叉熵测度的变模型快速推理算法。算法理论仿真实验验证了其有效性和工程可行性,最后在某型直升机电动舵机平台上验证了该改进算法,具有较好的工程应用前景。展开更多
文摘为研究不同侧风和静电电压对静电喷雾雾滴飘移的影响规律,设计不同侧风(恒速风1、2、4 m/s及0~4 m/s变化的模拟自然风)及静电电压(0,2,4,6,8 k V),进行喷杆式静电喷雾机的雾滴飘移试验,测定不同静电电压下的雾滴粒径与荷质比,并对比分析雾滴飘移质量中心距和飘失率。结果表明:随着静电电压的增大,雾滴粒径减小,雾滴荷质比增大,0~8 k V电压下电极干燥和电极打湿对雾滴荷质比没有显著影响。在侧风风速为1 m/s时,0~8 k V静电喷雾的雾滴飘移中心距小于0.55 m,雾滴飘失率低于15%。在侧风风速2 m/s时,非静电喷雾的雾滴飘失率为11.9%,6~8 k V静电喷雾的雾滴飘失率超过20%,其中静电电压8 k V的雾滴飘失率(23.9%)比非静电喷雾增加100.8%。在侧风风速4 m/s时,4~8 k V静电喷雾的雾滴飘移中心距在0.9 m以上,雾滴飘失率在30%以上,其中静电电压8 k V下的雾滴飘移中心距为967.2 mm比非静电喷雾下增加了13.7%,雾滴飘失率为35.4%比非静电喷雾下增加了59.5%。相同静电电压下,2 m/s的恒速风和0~4 m/s变化的模拟自然风之间对雾滴飘失率无显著差异。该研究为优化喷雾技术参数和提高雾滴抗飘移的能力提供参考。
文摘PHM(prognostics and health management)系统健康评估作为连接故障诊断和故障预测的纽带,具有十分重要的作用。针对自动驾驶仪PHM系统健康评估存在的多工况、非线性和小子样问题,提出了一种面向自动驾驶仪PHM系统的贝叶斯网络简化推理模型,建立了一种基于可变信息的改进贝叶斯节点和迭代交叉熵测度的变模型快速推理算法。算法理论仿真实验验证了其有效性和工程可行性,最后在某型直升机电动舵机平台上验证了该改进算法,具有较好的工程应用前景。