摘要：在低速螺旋桨性能计算方面,涡格法是快速有效的方法。但是在计算表面压力分布时,传统的涡格法遇到了无法克服的困难。本文推导出在叶片表面布置分布涡强的方法,既保持了涡格法计算快的优点,又较好地计算出叶片表面压力分布。以此为基础,本文采用FW-H方程忽略四极子效应的时域解法,使用与气动计算相同的表面网格,快速解出了螺旋桨的远场声学特性,计算结果与实验结果符合程度较好。说明该一体化方法可以用于螺旋桨噪声机理分析和低噪声螺旋桨设计,从而为分析螺旋桨噪声机理和设计低噪声螺旋桨提供简便工具。

摘要：从气动方程和声学方程两方面共同考虑,结合螺旋桨气动声学风洞实验研究的特点,推导出几何相似螺旋桨风洞实验中应模拟的相似参数。证明了几何相似的低速螺旋桨在临界雷诺数以上时,保证前进比和对应马赫数相等就可以保证声学相似并推导出相似螺旋桨声压级的换算公式。为实际的实验设计和数据处理工作提供了理论依据。

摘要：多学科设计优化(MDO)是当前复杂系统设计研究中一个最新、最活跃的领域,而多学科设计优方法是多学科优化技术体系的研究核心。文中对具有代表性的三种多学科优化方法—多学科可行法(MDF)、单学科可行法(IDF)和协同优化方法(CO)进行比较,阐述了各种方法的结构体系及其特点,并且通过一个耦合的多学科问题来说明三种方法的集成过程。

摘要：目前液晶单元从不透光状态变成透光状态需要时间50∽100μs，本文中推证出：光通过液晶器件的时间约为1．14×10^-5μs，利用这两个时间的巨大差异，提出了用液晶构成“进位直达”通道来克服进位串行延时的原理，在进位直达通道中各个进位链的进位直达过程自动并行．据此完善了用液晶构造三值光计算机加法器的理论，并设计了这个加法器的理论光路．同时给出了一个实现进位直达并行器件的方案．进位直达并行原理以物理方式解决了三值光计算机加法器的进位延时难题．也为其他种类的光计算机加法器研究提示了新思路.

摘要：为了揭示燃烧室构型对旋转爆震波传播特性的影响,设计了不同结构参数的5个燃烧室,包括环形、空桶形和凹腔形3种燃烧室形式。喷注器采用喷孔-环缝设计,燃料和氧化剂分别为乙烯和富氧空气。在相同的供给条件下,实验研究了燃烧室构型对旋转爆震波传播特性和推进性能的影响。结果表明:空桶形燃烧室稳定爆震模态的工作范围最宽且爆震波最为稳定,但推进性能较差;两个凹腔形燃烧室的工作范围介于燃烧室宽度为19 mm和15 mm的两个环形燃烧室之间,但推进性能略高于宽度为19 mm的环形燃烧室;此外,凹腔形燃烧室的工作范围随凹腔长度的增加而增加。

摘要：给出了正形矩阵的若干性质,求出了n阶正形矩阵的有理标准形为diag{N1,N2,…,Ns},其中Ni是阶为ni的正形矩阵,(n1,n2,…,ns)为n的一个正递序分拆,且 sni=n;并利用对角正形矩阵的特点结合布尔函数构造了一批正形i=1置换,其中包括一类非线性正形置换.得到了2n阶正形置换的一个计数下界表达式为∏k (F2)2n22nk+2nk-1+nk+…+2n2+…+nk,其中n=2k时,ρ(n)={(2,2,…,｜Onii=1(n1,…,nk)∈ρ(n)2)};n=2k+1时,ρ(n)={(2,2,…,2,3),(2,2,…3,2),…,(3,2,…,2,2)}.

摘要：为了揭示空桶型旋转爆震燃烧室内爆震波的建立过程及工作特性,分别采用火花塞点火、垂直预爆震管点火和切向预爆震管点火,实验研究了不同点火方式下的爆震波起爆和稳定传播特性。喷注器采用环缝-喷孔对撞式设计,燃料和氧化剂分别为乙烯和富氧空气。结果表明,在空桶型旋转爆震燃烧室中,3种点火方式均可成功起爆并获得稳定传播的爆震波,点火方式对旋转爆震波的传播方向影响较小;与火花塞点火相比,垂直预爆震管点火和切向预爆震管点火均能拓宽旋转爆震燃烧室的稳定工作范围;在氧化剂供给流量和当量比相同的条件下,点火方式的改变并未影响旋转爆震波的传播速度大小;使用预爆震管点火时,旋转爆震波的建立时间较火花塞点火短,且呈现出更小的离散性。

摘要：多智能体强化学习(Multi-Agent Reinforcement Learning,MARL)在群体控制领域中被广泛应用,但由于单个智能体的马尔可夫决策模型被破坏,现有的MARL算法难以学习到最优策略,且训练中智能体的随机性会导致策略不稳定.本文从状态空间到行为空间的映射出发,研究同构多智能体系统的耦合转换,以提高策略的先进性及稳定性.首先,我们调查了同构智能体行为空间的重组,打破智能体与策略对应的固定思维,通过构建抽象智能体将智能体之间的耦合转换为不同智能体行为空间同一维度的耦合,以提高策略网络的训练效率和稳定.随后,在重组策略映射的基础上,我们从序列决策的角度出发,为抽象智能体的策略网络和评估网络分别设计自注意力模块,编码并稀疏化智能体的状态信息.重组后的状态信息经过自注意力编码后,能显示地解释智能体的决策行为.本文在三个常用的多智能体任务上对所提出方法的有效性进行了全面的验证和分析,实验结果表明,在集中奖励的情况下,本文所提出的方法能够学到比基线方法更为先进的策略,平均回报提高了20%,且训练过程与训练结果的稳定性提高了50%以上.多个对应的消融实验也分别验证了抽象智能体与自注意力模块的有效性,进一步为我们的结论提供支持.