基于物理知识约束的数据驱动式湍流模型修正及槽道湍流计算验证

对湍流摩擦阻力的精准预测是学术界和工业界普遍关心的重要问题，而数据驱动式的湍流模型修正方法对此显示出较大的潜力和前景。提出了一种基于物理知识约束的数据驱动式湍流模型修正方法，根据湍流摩擦阻力分解获得先验物理知识，在S-A湍流模型的生成项中引入非均匀分布的修正因子，以修正因子为设计变量，设定包含物理知识约束的目标函数，利用离散伴随方法求解目标函数与设计变量之间的梯度关系，通过高效率的迭代求解获得修正因子的分布。以槽道湍流为例，验证了包含物理知识约束的数据驱动式建模方法的优势，并分析了物理知识约束对湍流摩擦阻力预测精度的影响，结果表明引入物理知识约束可进一步提高湍流摩擦阻力的预测精度。     

物理启发的深度学习模型及其在热端部件散热中的应用

热端部件散热是众多空天设备的关键技术。表面温度分布是散热设计中用到的重要信息,常规的解析建模手段和机器学习方法均无法有效地表达此类高维信息。近年来兴起的图像深度学习算法是解决表面温度信息预测的有效手段。然而,现有的基于大数据的深度学习方法往往对于物理数据和小样本数据不适用,体现为泛化精度差、数据兼容性差、可解释性差。因此,有必要结合传热的先验知识发展物理启发的新型深度学习算法,以增强高自由度、高复杂度散热对象上的设计能力。本文基于卷积算子和有限差分求解方式的类比关系,提出了一种物理启发式的循环卷积神经网络。以横向出流的冲击冷却为例,开展了变计算域大小、变工况、变尺寸的批量数值模拟,获取了冲击冷却关键特征的小样本图像数据。进一步通过神经网络的训练,构建了多参数、大范围内有较好拟合能力的温度、传热系数、压力代理模型。研究结果表明,本文提出的物理启发神经网络模型,对于计算域大小没有限制,可以统一表达不同空间范围内获取的物理数据的共性规律。模型的各类超参设定均具有明确的物理意义,且与经典的微分方程求解理论有一定的类比关系,增强了神经网络调参的方向性。通过传热物理规律与黑箱模型的融合,本文实现了小样本多参数物理数据的共性建模。该方法可以迅速重构热端部件的高维分布信息,可服务于热端部件的快速分析设计以及优化。     

基于EMD-SVR的光纤陀螺随机误差预测

为了提升光纤陀螺随机误差建模的准确性及补偿结果,提出了一种基于经验模态分解与支持向量机结合的随机误差预测方法。鉴于随机误差的非线性及不稳定性,直接进行预测时精度不高,采用经验模态分解对原始数据进行分解以降低时间序列的复杂程度;然后根据经验模态分解得到的各本征模态函数及趋势序列,构建基于支持向量机的预测模型;再将所得的各分量的预测结果综合以得到光纤陀螺随机误差的预测结果。以光纤陀螺随机误差数据作为验证,结果表明,相较于传统的预测方法,均方根误差与平均绝对误差分别降低了78.4%和75.5%,有效提高了回归精度。     

基于中轴变换的型腔高速铣削刀具轨迹生成方法

框、梁、壁板、蒙皮等飞机关键零部件中包含大量型腔特征,其加工效率直接影响零件的整体加工效率。高速铣削机床的发展为此类零件的高效加工奠定了很好的硬件基础,也给型腔铣削刀具轨迹生成带来了新的问题。例如蒙皮镜像铣由于其特殊的设计,对刀具轨迹提出平滑无抬刀、步距变化严格控制在一定范围内等更严苛的要求,从而保证蒙皮高质量加工。结构件高速加工中为了保持刀具的高进给和高转速,也要求刀具轨迹平滑且步距平稳变化。然而现有的型腔铣削刀轨生成方法大多基于局部优化解决加工残余和刀轨不平滑问题,难以生成同时满足多工艺约束尤其是步距约束的刀具轨迹,无法完全发挥高速机床的性能。针对此问题,本文提出基于中轴变换的型腔高速铣削刀具轨迹生成及优化方法。该方法首先基于中轴变换提取型腔骨架线,并进一步修正从而生成刀轨偏置基准和初始刀轨。其次利用图像变形算法对初始刀轨进行迭代变形优化,使最终优化刀轨与目标型腔区域吻合,且满足高速加工的工艺约束条件。该方法在离散的图像域内从整体角度优化刀具轨迹,不仅保证轨迹平滑无抬刀,还能保证步距在容许范围内平稳变化。实验证明本文提出的方法在保证轨迹平滑和步距平稳变化等方面的有效性,能够满足高性能加工的要求。     

单向CFRP螺旋铣削力建模

螺旋铣削加工工艺具有降低轴向力,改善排屑、散热条件等优点,螺旋铣削力是其重要过程指标之一。对单向CFRP螺旋铣削力建模方法展开研究,预测给定加工参数下的螺旋铣削力。首先,通过对螺旋铣削过程进行运动学分析和切屑几何分析,建立了螺旋铣削过程中侧刃、底刃动态切屑层模型,纤维切削方向角度模型和动态切削力计算模型。然后,分别通过侧刃直线槽铣实验和底刃半齿插铣实验,对各个切削方向角度下侧刃、底刃切削力系数进行了标定,并利用人工神经网络对切削力系数进行拟合。最后,将标定所得的切削力系数代入动态切削力计算模型中,建立了单向CFRP螺旋铣削过程动态切削力预测模型,并通过实验验证了模型的准确性。与现有模型相比,该模型不仅能够预测刀具螺旋运动周期内的切削力变化情况,还可以对每个刀具自转周期内的细节进行预测,通过考虑纤维切削方向角度对切削力系数的影响,反映了单向CFRP材料的各向异性,较为准确地预测了螺旋铣削力。     

虚拟制造系统中球头铣刀磨损预测

基于球头铣刀铣削方式及铣削参数的特点,应用微分理论基本方法提出了一种虚拟制造系统中球头铣刀磨损预测的数学模型,为提高虚拟制造系统的真实感和实时性奠定了基础.     

多传感器监测飞机部件非线性退化评估

飞机部件一般采用多传感器进行状态监控,针对退化过程具有非线性特征的民机典型部件剩余寿命（RUL）预测及评估问题,首先建立了部件性能参数的一般非线性Wiener退化过程,推导出基于多传感器监测数据的剩余寿命预测框架和概率密度函数,随后利用状态空间模型进行隐退化状态估计并同时利用最大期望算法（EM）实现参数递推估计,最后形成了飞机部件多传感器监测下的剩余寿命非线性退化评估方法。通过数值仿真案例和民航发动机剩余寿命预测案例,对比线性退化模型和基于单一传感器监测数据的非线性退化模型,验证了所提方法在提高剩余寿命预测精度的有效性,可为飞机及其部件的剩余使用寿命预测和视情维护决策提供技术支撑。     

薄壁环状零件侧面镗孔方法的探讨

薄壁环状零件定位孔的尺寸精度和形位精度要求很高,零件本身的薄壁结构也给制造带来很多困难。本文总结了一套加工类似薄壁环状零件的装卡、刀具和加工参数的规律,希望对广大机械加工技术人员有所帮助。     

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

Prediction of cutting forces in flank milling of parts with non-developable ruled surfaces

Predicting the cutting forces required for five-axis flank milling is a challenging task due to the difficulties involved in determining the Undeformed Chip Thickness(UCT) and CutterWorkpiece Engagement(CWE). To solve these problems, this paper presents a new mechanistic cutting force model based on the geometrical analysis of a flank milling process. In the model,the part feature and corresponding cutting location data are taken as input information. The UCT considering cutter runout is calculated according to the instantaneous feed rate of the element cutting edges. A solid-discrete-based method is used to precisely and efficiently identify the CWE between the end mill and the surface being machined. Then, after calibrating the specific force coef-ficients, the mechanistic milling force can be obtained. During the validation process, two practical operations, three-axis flank milling of a vertical surface and five-axis flank milling of a nondevelopable ruled surface, are conducted. Comparisons between predicted and measured cutting forces demonstrate the reliability of the proposed cutting force model.     

机床热误差的无限冲激响应网络动态模型

本文阐述了数控机床热误差补偿技术的基本概念，提出了一种基于无限冲激响应（ⅡR）网络的数控机床热误差预报模型。讨论了该模型的建立及相关技术问题，对智能预报补偿系统进行了研究，并给出了智能预报的结果和精度评价。     

一种鲁棒的概率核主成分分析模型

大数据时代面临的数据维数越来越高,对数据降维处理越发显得重要。经典的主成分分析模型已被证明是一种有效的数据降维方法。但它在处理非线性、存在噪声和异常点的数据时存在效果较差的问题。对此,文章提出了一种鲁棒概率核主成分分析模型。该模型将核方法与基于高斯隐变量模型的极大似然框架相结合,用多元 t分布作为先验分布,以同时解决主成分分析在这 3个方面的弊端。提出混合鲁棒概率核主成分分析模型,使其可直接用于对混合的非线性数据进行降维和聚类分析。在不同数据集上进行的实验结果表明,与标准的混合概率核主成分分析模型相比,文中模型在数据聚类方面有更高的准确率。     

基于导波原位检测的复合材料疲劳表征与寿命预测研究

随着复合材料在先进飞行器结构中占比的逐渐增加,复合材料在服役过程中力学性能的变化对飞行器整体的安全至关重要。为了实现基于导波原位检测的飞行器复合材料整体部件疲劳评估和寿命预测,首先,从宏观和细观的角度研究复合材料疲劳损伤演化规律;在此基础上,通过分析导波波场信息,探究导波相速度、模态能量比等特征在表征复合材料疲劳方面的潜力;其次,从复合材料损伤机理出发,建立导波相速度与疲劳损伤累积的演化模型;然后,构建深度学习框架,以数据驱动的方式从导波波场中提取疲劳演化特征;最后,提 出基于贝叶斯模型平均方法的疲劳演化模型,对复合材料剩余疲劳寿命进行预测。结果表明：通过提取和分析导波特征信息,可以准确地对复合材料疲劳状态进行表征,结合贝叶斯模型平均方法和置信区间准则,实现了在试件疲劳破坏之前的剩余寿命预测。     

航空薄壁零件加工变形的有限元分析

介绍了有限元法在薄壁件铣削加工中的应用,并运用ANSYS5.4有限元分析软件对典型薄壁框体零件的加工变形进行了分析计算,结果与实际加工情况相符,由此提出一种数控补偿方法来降低让刀误差,从而控制薄壁件的加工精度.     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

定长补偿电火花铣削加工中锥形电极的形成及稳定性

电火花铣削可以利用简单电极加工复杂工件,对铣削过程中电极损耗进行补偿是保证工件加工精度的重要措施。使用圆柱电极进行定长补偿铣削加工,加工过程中电极端面会形成一个圆锥形。为保证补偿精度,对电极圆锥形端面的形成及稳定性进行了研究。通过对定长补偿下工件被加工情况的研究,阐述了圆锥形电极形成的具体过程;并且论证了在加工进入稳定阶段以后,圆锥端面角度会基本保持在一个恒定值,研究了初始加工深度和补偿长度对锥形过渡阶段的影响;在电极直径、电参数一定情况下,验证了加工模型中锥形角度与目标加工深度的函数关系,实验结果与模型计算结果相差2.1%;最后给出了加工实例,并获得较好的加工效果。     

Nondestructive acquisition of the micro-mechanical properties of high-speed-dry milled micro-thin walled structures based on surface traits

Requirements for the service performance of aeronautic microelectronic components are increasingly strict. However, sever issues, that the acquisition of the service performance such as micro-mechanical properties is destructive, limit the subsequent application of the tested components. Addressing this issue, this paper proposes a nondestructive acquisition method of the micro-mechanical properties of the accelerometer micro-components, based on analyzing surface traits. To select qualified components without damage, we firstly developed a quasi-static micro-tensile tester and then established a combination prediction model of mechanical properties based on micro-milled surface traits. The model works due to the thin-walled structure, which makes the machined surface traits have significant influences on the mechanical properties such as Young’s modulus, yield strength, tensile strength, and elongation at break. Surface roughness, surface structure, and surface anisotropy are extracted to comprehensively present surface traits from different aspects. For improving the practicability of the model, the principal component analysis (PCA) is adopted to reduce high-dimensional traits explanatory variable space into two dimensions, and regression analysis models are comparative established in predicting the mechanical properties. Residuals analysis and error analysis are carried out to show the prediction accuracy. The maximum prediction error is about 10.62%, but the significance levels in the t-test of the predicted Young’s modulus and yield strength are not ideal. Therefore, kernel support vector regression (SVR) is imported to improve the prediction ability of the combination prediction model. The residuals analysis result shows that SVR is effective in enhancing the prediction ability of this model.     

涡扇发动机部件特性的滤波自动修正更新方法

针对航空发动机部件制造装配以及性能蜕化引起的平均模型与个体发动机之间的性能不匹配问题,提出一种基于非线性滤波算法的发动机部件特性自动修正方法。根据发动机部件级平均模型输出与个体量测数据的残差,利用数据处理策略结合无迹卡尔曼滤波算法的不可测部件特性变化估计,自动更新发动机部件特性,建立发动机个体物理模型。通过小涵道比涡扇发动机仿真验证,结果表明该方法可自动修正发动机部件特性,相比较平均模型,通过该方法修正的发动机个体模型中各截面温度、压力计算偏差均在0.5%以内,有效提高涡扇发动机个体物理模型稳态、动态精度。     

网络化制造资源状态估计研究——基于主成分分析（PCA）和加权支持向量机（WSVM）

针对网络化制造资源配置受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于主成分分析和加权支持向量机的智能混合预测模型。模型首先使用主成分分析弱化数据序列波动性,然后借助加权支持向量机在处理小样本和模糊神经系统处理非线性模糊信息的优点,进行趋势预测。研究结果表明,所提出的模型能有效地提高状态估计方案的可行性,为网络化制造资源状态估计的在线实施提供了方便。     

基于反馈补偿K-means的救援物资需求预测

针对低空应急救援过程中救援物资需求的多样性与不确定性，提出基于反馈补偿K-means相似搜索的物资需求预测算法。通过比较非平稳数据处理方法，采用差分自回归平均移动模型（ ARIMA）对历史灾情数据进行平滑处理；将预处理后的灾情数据运用基于反馈补偿的K-means方法进行聚类分析；再对比夹角余弦，杰卡德相似系数以及相关系数这3种方法，搜索出相似度最大历史灾情案例，并线性求解当前低空应急救援所需物资量。实验结果表明，在基于反馈补偿K-means相似搜索的物资需求预测过程中，运用相关系数搜索的误差是最小的，方法不仅提高了大数据处理能力，而且在一定程度上提高了预测精度。