简介：从理论上推导了声学超表面对平面声波的作用模型,该理论模型计及声波高阶衍射模态,从而能够计及超表面微结构之间的声学干扰.通过与数值结果对比,该模型预测的反射频率精度得到了一定程度的提高,并能够分辨出相邻孔声场之间的耦合模态.讨论了声学超表面吸声特性与阻抗特性对高超声速边界层内Mack第2模态的抑制机理,研究发现通过设计超表面阻抗特性,使得入射声波与反射声波在壁面处相位相反,同样可以抑制Mack第2模态.基于理论模型,分别优化设计得到最优的微结构几何尺寸,并通过对Mach6平板边界层流动进行稳定性分析,验证了超表面不同声学特性的抑制效果.

简介：针对环形谐振陀螺谐振结构特性参数相同、检测灵敏度高、温度与抗干扰特性好等特点,提出了一种新颖的S形挠曲支撑梁的电容式环形谐振陀螺。其环形谐振子的刚度系数、固有频率等振动特性参数是陀螺结构优化、模态控制、驱动与检测电路设计的主要理论参数。为了得到该陀螺精确的谐振子特性参数,基于角度敏感原理、谐振结构的材料力学性能与机械振动特性,推导了谐振结构的等效刚度系数与固有频率的理论模型,并且分别进行了有限元仿真分析与样机频率特性测试。结果表明该理论模型计算的固有频率与有限元分析的误差为7.0820%,与样机实际测试的误差为3.9035%,证明了理论模型的正确性,为该陀螺的进一步研究提供了理论依据。

简介：开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.

简介：提出了一种高性能氮化铝（AlN）差分谐振式加速度计结构。通过引入两级微杠杆来放大质量块的惯性力,提高灵敏度;采用＂I＂形支撑梁来降低横向灵敏度;利用差频检测方案降低温度共模误差的影响。该加速度计主要由质量块、支撑梁、双级微杠杆和谐振器组成,并通过理论分析和有限元仿真优化了它们的结构参数。模态分析表明两个谐振器的基频大约为373.3kHz,与干扰模态的频率差大约为9.4kHz,有效地实现了模态隔离。根据灵敏度的仿真结果,AlN差分谐振式加速度计的灵敏度64.6Hz/g,线性度为0.787%,横向灵敏度为0.0033Hz/g。热仿真的结果表明单个谐振器的温度灵敏度约为490Hz/℃,加速度计输出差频的温度灵敏度为–0.83Hz/℃,证明了差频检测方案可以降低温度共模误差的影响。上述所有仿真结果验证了该加速度计结构设计的可行性。