可重复使用航天运载器(RLV)上升与再入时均会受到较强的气动加热,为了对结构进行保护,RLV表面覆盖着厚厚的防热系统,一旦它们出现损伤,内部结构就会暴露于高温空气中,导致结构故障,严重时甚至会造成灾难性的事故。 为了保障RLV的安全运行,必须对RLV的防热系统进行实时监测,一旦其受到损坏导致内部结构受热,应能及时判断出受热的位置以及强度等相关信息,为进一步的诊断与维护提供依据。 RLV结构受热时,其影响主要表现在固体结构的热传导上,本文以第一代RLV——航天飞机为基础建立了受持续点热源加热的薄壁结构模型,分别应用热源温度场迭加法以及有限元分析软件ANSYS在对模型受热时热传导造成的温度场分布进行了计算。利用以上两种方法的计算结果,文中分别提出了判断热源位置和强度的方法。 针对热源位置的判断,提出了理论解析法和神经网络法两种方法。对于理论解析法,从原理上进行了详细的阐述,并通过公式的推导印证了其理论上的可行性;对于神经网络法,则是在神经网络相关理论的基础上建立了合适的神经网络,通过对具体数据的处理,取得了满意的识别结果,印证了神经网络法的实用性。 针对热源强度的判断分为判断加热时间和判断热源强度两个步骤进行,通过对模型上两个节点的分析,取得了满意的结果,证明了该方法的实用性。在此基础上,文中又提出了通过绘制曲线将两个步骤合二为一的方法,同样也对其效果进行了分析,证明了其可行性。 论文最后对以上的计算与讨论进行了总结,归纳出了文中所述方法的局限性及不足之处,并提出了未来研究的发展方向。