急流孤岛救援系统的创新设计

提出并设计了一种新型的急流救援系统。采用"水驱动、杆定位、绳控制、船救人"的创新思路,实现快速救出急流孤岛被困人员的目的。系统分为固定模块、定位模块、控制模块和救援船模块4个部分。分别介绍充气折叠船、定位杆件和绞盘导向轮的设计和理论计算过程。制作实体模型进行救援模拟,验证系统可行性。该系统结构简单可靠,采用模块化设计,便于搬运和现场组装,并且不需要额外动力,适应性强,具有良好的实用性和推广价值。

国内外森林灭火弹发射装置研究现状

为实现森林灭火弹的推广应用,研发了一种适合民用的弹丸发射装置,将现有抛射物体的加速方式运用到发射平台加速系统的设计中。综述分析了国内外关于森林灭火弹发射装置的研究现状,提出了利用常规能源作为弹丸发射动力的方法,对各种发射动力源的特点进行了评价,并得出了电能与液压能作为动力源的可行性结论。最后指出,研发一种利用常规能源的发射装置是可行的,这对于防灾减灾具有一定的现实意义。

森林灭火机械抛投平台的原理设计

提出利用机械抛投平台发射森林灭火弹的理念,根据弹丸发射原理以及针对民用的特点,提出一种利用常规能源作为弹丸发射动力的双级加速机构,针对弹丸预期达到的灭火效果,完成了机械抛投平台的参数化设计和推杆的结构设计。系统采用模块化设计,模块化设计的独立性增强了系统的可靠性,发射模块和动力模块的合理匹配,最终可实现灭火弹的抛射。

基于MATLAB的某一森林灭火弹外弹道仿真与运用

为了在设计初期能得到满足射程与弹重要求的弹丸初速,建立了弹丸质心运动的外弹道数学模型,采用四阶龙格-库塔法对外弹道微分方程进行计算,利用MATLAB软件进行仿真,并给出了相应的仿真结果及分析。最后根据得出的初速完成发射平台的原理方案设计,为后续的具体设计提供了依据。

自吸式双相流细水雾喷嘴雾化特性试验研究

设计一种新型自吸式双相流雾化喷嘴,生产了喷嘴样机,通过对喷嘴的雾化特性试验研究,分析雾化剂气体压力对喷嘴雾化特性参数的影响。

缩扩型超音速喷管的设计与仿真

缩扩型的拉瓦尔喷管可以使通过其的气流获得超音速,出口速度的大小以及气流是否稳定是决定拉瓦尔喷管性能优劣的关键因素.通过Fluent软件对拉瓦尔喷管的相关流场进行了数值仿真,分析了入口压力、面积比、收缩段型面及扩张段的锥角对喷管出流速度的影响,可为喷嘴的设计提供理论指导.

超口径森林灭火弹技术研究与展望

通过对现有森林灭火弹的灭火效能的分析,提出了增大炮弹口径,提高单发炮弹灭火面积的方案。文中通过研究灭火剂爆轰扩散规律以及灭火弹弹体结构关键技术,明确了决定灭火剂扩散性能的关键因素,解决了制约灭火剂扩散的结构性技术问题。介绍了灭火弹弹型设计经验,及超口径迫击炮炮弹概况,得出超口径灭火弹弹型设计方案,并在对弹丸飞行稳定性分析的基础上得出了相似弹型具有相似飞行稳定性的规律,以此证明了将现有超口径迫击炮弹改装成超口径森林灭火弹的可行性。

超口径灭火弹战斗部结构研究

为了解决超口径森林灭火弹战斗部采用薄壁壳体情况下难以满足发射强度要求的问题,首先对战斗部进行受力分析,找出作用于战斗部壳体的两个主要载荷,轴向惯性力和灭火剂压力,然后根据受力分析提出战斗部结构设计方案,再通过建立弹体实体模型预估计各部分结构参数并进行校核分析,证明了设计方案的合理性。

行星变速箱退化特征参数提取方法

研究行星变速箱的退化特征参数提取方法对于机械系统的故障预测与健康管理(prognostic and health management,简称PHM)具有重要意义。为了分析行星变速箱的退化特性,首先,在峭度谱信号处理和构图方法的基础上提出改进型峭度谱,在特征参数提取过程中用均方根(root mean square,简称RMS)代替峭度,将其称为RMS谱,RMS谱能够同时从时域和频域分析系统退化过程中各个频带RMS的变化趋势;其次,在峭度谱原理的基础上研究RMS谱和RMS归一化谱的原理,并用公开的轴承数据解释新提出方法的数据处理流程;最后,用新提出方法对行星变速箱的退化过程进行详细的研究,发现不同频带的RMS趋势不同,而且有些频带能比较稳定的反映退化过程,有些频带对加速退化阶段比较敏感,这些结论对提取适合行星变速箱故障预测的退化特征参数很有参考价值。

基于改进极值理论的装备维修器材间断性消耗预测方法

针对装备维修器材消耗呈现间断性的特点,提出了基于改进极值理论(Extreme Value Theory,EVT)的维修器材消耗预测方法。首先,依据维修器材前期的消耗特征建模估计极值指数,计算间断区间上维修器材的消耗量,实现最大限度地利用有限数据预测维修器材消耗量的目的;然后,通过实例将改进EVT方法、支持向量机、自回归移动平均(Auto Regression Moving Average,ARMA)、灰色神经网络4种预测方法的预测结果进行比较,结果表明:改进EVT方法具有更好的预测结果。