【摘 要】
：
针对航空发动机轴上的测试电子设备在发动机舱内高温环境下的散热需求,文中设计一种外部隔热和内部吸热相结合的热控制结构来满足电子设备的正常工作需求,确保电子设备在250℃的高温环境中能持续工作60 min,且电子器件的表面温度不超过规定使用的最高温度.相比其他的散热结构,外部隔热结合内部相变的防护结构具有不依赖于环境温度、成本低、结构简单、可随设备一同旋转的优点.采用热仿真软件ANSYS对隔热结构和相变结构建立模型、设定边界条件、添加材料热物理性能参数,然后进行数值模拟.软件仿真结果表明,文中所设计的热防护结
【机 构】
：
中北大学 仪器科学与动态测试教育部重点实验室,山西 太原 030051
论文部分内容阅读
针对航空发动机轴上的测试电子设备在发动机舱内高温环境下的散热需求,文中设计一种外部隔热和内部吸热相结合的热控制结构来满足电子设备的正常工作需求,确保电子设备在250℃的高温环境中能持续工作60 min,且电子器件的表面温度不超过规定使用的最高温度.相比其他的散热结构,外部隔热结合内部相变的防护结构具有不依赖于环境温度、成本低、结构简单、可随设备一同旋转的优点.采用热仿真软件ANSYS对隔热结构和相变结构建立模型、设定边界条件、添加材料热物理性能参数,然后进行数值模拟.软件仿真结果表明,文中所设计的热防护结构可以满足电子设备工作温度的需要.
其他文献
通过研究数字交换芯片的组成结构,将数字交换芯片进行了模块化的分割,根据技术指标,利用FPGA技术分别设计了时钟生成模块、数据发送模块、数据接收模块以及微处理器接口模块,最终根据数字交换芯片的“交换模式”与“消息模式”的工作原理对所设计的各个模块进行了组合,完成了数字交换芯片的设计.测试结果表明:基于FPGA技术设计的数字交换芯片实现了“交换模式”与“消息模式”的功能;并且达到了技术指标的要求,实现了32条母线输入和32条母线输出,每条母线输入数据速率与输出数据速率为8.192 Mb/s,通道容量为4096
小型光谱仪分辨率低,现场测试环境复杂,使得适合大型光谱仪的检测方法不一定能够直接适用于小型光谱仪,为此有必要研究与开发基于小型光谱仪的食品质量检测系统.该系统针对白酒的典型掺假问题(掺水、工业酒精),基于TI DLP NIR scan Nano微型光谱检测模块、定制化光纤、3D打印、手机应用程序等开发便携式白酒光谱测试系统,并利用支持向量机(Support Vector Machine,SVM)和反向传播(Back Propagation,BP)神经网络,研究基于小型光谱仪获得的光谱信号的白酒掺假类型和掺
为了解决单一时间序列模型对网约车需求预测精度不高,而导致网约车供需不平衡的问题,提出一种多尺度多方法组合的网约车需求预测方法.对网约车影响因素进行分析并提取出主要特征,利用历史平均模型、ARIMA时间序列模型、LSTM长短期记忆神经网络进行网约车需求预测,分别提取出网约车数据的周期性规律、差分变化规律和其他复杂规律,为了最大限度发挥三种单一模型的优势,使用三种单一模型建立组合模型,最后用灰狼优化算法对组合模型的权重进行寻优.通过在真实数据集上对单一模型和组合模型的预测精度进行比较,结果表明,组合模型在五种
传统的确定性潮流计算只能获取在确定参数下电力系统的运行情况,但是在实际工作中这些影响系统运行的参数(如负荷)具有波动性.为了分析这些参数的波动性对系统运行带来的影响,提出了一种基于概率盒理论的负荷不确定性潮流计算.将概率盒理论应用于潮流计算当中,建立了一种基于概率盒的概率区间潮流模型并对其进行求解.以标准IEEE 30测试系统为例,首先分析负荷的分布特性,获得负荷的漂移区间并建立其概率盒模型;然后将负荷的概率盒等信度离散化并代入潮流方程中获得基于概率盒的潮流模型;最后使用牛顿法对该模型进行求解,并将潮流计
传统的公交行程时间预测模型由于忽略了历史时刻中的信息,导致预测精度不理想.针对公交行程时间的时序性,提出一种基于LSTM神经网络的预测模型,并引入注意力(Attention)机制对其进行优化.首先,综合考虑多种影响因素,设计了多变量LSTM模块,将当前时刻的行程时间与历史时刻数据相关联,对其中的多维度特征进行信息提取;随后针对单一LSTM网络无法自动识别不同信息重要性的局限性,引入Attention机制,使模型聚焦重点信息、忽略冗杂信息;最后,采用实际公交GPS数据验证了该方法的有效性.实验结果表明,与五
智能制造背景下,机械设备趋于复杂庞大,海量、多源、高维度、非结构的工业数据给系统管理监测带来更大难度,设备的故障诊断与预测更显重要.传统故障诊断与预测方法难以建立准确的数据模型,在设备故障诊断预测应用方面受到很大局限,深度学习以其强大的自主学习非线性数据表示和模式识别的能力在许多领域都有重大突破,在工业设备的故障诊断与预测领域也得到广泛关注.文中对四类经典的深度学习模型:深度置信网络、卷积神经网络、自动编码器及其变体、循环神经网络的网络结构和模型思想作详细介绍,阐述并总结了这四类深度学习模型在故障诊断与预
针对传统气温预测方法预测难度大、精度差及气象数据大而带来的计算量大等问题,提出一种基于主成分分析(PCA)和改进粒子群算法优化门控循环单元(GRU)的递归神经网络时间序列预测模型.首先,利用主成分分析算法对气象要素进行降维处理;然后,运用指数下降惯性权重和边界突变算子的改进粒子群算法(PSO)优化GRU神经网络.以南京地面观测站点的观测数据为样本数据,运用Python对模型进行训练,与传统的BP及LSTM神经网络预测模型对比,实验结果表明该模型具有更高的预测精度和稳定性.
针对基于直线轨道的固定翼无人机中继能效问题,文中提出一种无人机变加速飞行方案.该方案假设无人机飞行在固定高度且有足够大的数据缓冲区,通过联合优化时分双工无人机中继的收发时间分配及飞行加速度,实现对中继系统的能效最大化.对于无法直接求解的联合优化非凸问题,首先利用分步优化方法,分别对收发时间分配函数和无人机加速度进行优化.对于收发时间分配函数优化问题,将其转化为线性规划问题直接求解;对于加速度优化问题,取其目标函数的下界,将非凸目标函数转化为凸函数,并提出一种连续凸逼近的迭代算法对其进行求解.实验仿真分析了
在桥梁建成后,桥梁的安全、稳定运行离不开日常的管理与养护,传统的人工管养方式费时费力且效果不佳,以知识库和推理机为基础的专家系统,可大幅度地提高桥梁管养的有效性和高效性.以赣江特大桥监测系统为应用背景,针对实时监测和人工巡检数据,设计和开发了一套基于Jess的桥梁智能决策专家管养系统.该系统根据现行的桥梁管养规范和桥梁管养专家的经验建立专家系统的事实库与规则库,以CLIP文件描述桥梁各种病害及应采取的治理维修措施,系统根据输入的桥梁病害描述进行推理,并自动化输出相应的桥梁病害养护、维修和治理措施.实践表明
学生成绩数据的分析与挖掘对于教学管理有重要意义,文中提出一种基于自适应差分进化算法优化BP神经网络的学生成绩等级预测模型.以学生各门课程成绩为研究对象,在选定目标课程作为模型输出的基础上,采用相关分析法确定与该门课程成绩相关性较高的科目成绩作为模型输入,建立BP神经网络模型进行成绩预测.针对神经网络收敛速度慢、效果差等不足,采用自适应差分进化算法对神经网络的权值阈值进行优化,以学院某一个年级的183条有效学生成绩数据进行实例验证,并与遗传算法优化神经网络的方法进行比较.结果表明,自适应差分进化算法优化BP