钛合金缺口试样拉伸破坏载荷预测

针对航空发动机轮盘常用钛合金材料,开展了常温和高温下光滑和缺口试样的拉伸变形和断裂行为试验研究,建立了其大变形本构模型。基于该本构模型,利用大变形有限元分析,计算获得缺口试样的载荷-位移曲线。将该曲线最高点对应的载荷确定为试样的拉伸破坏载荷,并与试验进行对比。结果表明理论预测与试验吻合较好,从而验证了所提出的拉伸破坏载荷预测方法的有效性。     

典型飞行状态下的旋翼振动载荷计算与分析

建立了基于柔性多体动力学思想的综合气弹分析方法,以SA349/2"小羚羊"直升机为算例,对其典型飞行状态,包括一个小前进比状态,一个大前进比状态以及一个高速稳态转弯状态进行载荷计算.对于两个稳态前飞状态,采用自由尾迹模型计算诱导入流,通过配平迭代获得旋翼载荷;对于稳态转弯状态,将实测配平量作为输入量,采用Glauert线性入流模型计算诱导速度.在与试飞数据以及CAMRADⅡ计算结果的对比中,稳态前飞状态的计算结果与实测数据吻合较好,与CAMRADⅡ精度相当;对于接近飞行极限的高速转弯状态,本文计算值捕捉到了动态失速条件下旋翼载荷变化的主要特征.     

双垂尾不利影响改善措施研究

采用一个典型的双垂尾鸭式布局模型,利用CFD手段对垂尾导致大迎角升力减小现象的机理进行了研究.发现在低速大迎角条件下,前体脱体涡在机身后体诱导出向外的速度分量,致使垂尾处于“侧滑”气流中,增大了垂尾内侧压力,与此伴生的逆压梯度,削弱了前体涡强度和稳定性,从而使飞机升力减小.根据这一发现,设计了减小垂尾面积、垂尾前缘内偏和变化外倾角3种改善措施.通过风洞试验验证,减小垂尾面积和垂尾前缘内偏具有明显的改善大迎角升力特性的效果.     

基于神经网络的飞机着陆垂直载荷大诊断技术研究

针对目前基于神经网络的民用飞机重着陆诊断技术研究方面存在的不足,分析了重着陆与着陆垂直载荷大事件的区别,并对着陆垂直载荷大事件进行了详细分析,利用QAR记录的飞行参数,采用BP神经网络建立了着陆垂直载荷大事件的诊断模型;以航空公司真实的B737-800飞机数据为样本对模型进行训练和验证,找到触发该事件的真正原因,为纠正飞行员飞行技术提供了真实可靠而有效的依据。     

边条翼布局双垂尾抖振表面脉动压力风洞实验研究

对边条翼布局双垂尾发生抖振时的表面脉动压力进行了风洞实验研究。实验在西北工业大学NF-3风洞进行。实验迎角范围:10°~40°,风速:50m/s。实验测量了垂尾内外侧表面各9处的脉动压力,并将脉动压力沿表面积分近似得到垂尾的根部弯矩响应。实验同时测量了垂尾根部应变、翼尖前缘及后缘的加速度响应。实验结果表明,通过不同测量方法得出的垂尾抖振响应规律一致,得到的垂尾抖振起始迎角相同,这表明垂尾的抖振响应是由边条涡破裂流作用在垂尾表面的脉动载荷引起的;随迎角增大,边条涡破裂流的能量不断增加,且越来越集中于低频范围,但当迎角过大时,边条涡的破裂点远离垂尾,破裂涡的能量耗散很大,从而作用在垂尾表面的脉动载荷减弱。     

基于CFD的直升机旋翼流场及气动力计算

建立了一个基于结构运动嵌套网格的流场求解器,用来精确模拟复杂的旋翼流场,为更好地预测旋翼气动载荷提供一套计算方法.在该求解器中,控制方程为惯性坐标系下的三维非定常Navier-Stokes方程,空间方向上采用低数值耗散的Roe格式结合三阶逆风格式(Monotonic upwind scheme for conservation law,MUSCL),湍流模式采用了一方程的Spalart-Allmaras模型.应用所建立的方法,分别针对Caradonna模型旋翼、UH-60A直升机旋翼的悬停流场和7A旋翼、SA349/2直升机旋翼的前飞流场以及旋翼气动载荷进行了数值模拟.计算结果表明,本文的方法在一定程度上提高了对旋翼流场的模拟能力,进而提高了旋翼气动载荷的计算精度.     

基于机器学习的机翼气动载荷重构及传感器优化布置

风洞实验通过在机翼表面布置传感器来测量相应位置的气动载荷，由于传感器布置数量有限，难以直接得到整个机翼全息气动载荷分布。本文采用机器学习方法通过有限传感器数据重构机翼表面全息气动载荷，并提出了利用仿真数据对传感器进行优化布置的方法。从计算流体力学（Computational fluid dynamics,CFD）计算所得的机翼全息气动数据中选取有限位置数据模拟传感器实验数据，对比深度学习模型、高斯过程回归（Gaussian process regression, GPR）、支持向量回归（Support vector regression, SVR）与BP神经网络（Neural network, NN）对气动载荷的重构精度。通过评估由传感器数据重构的全息载荷精度对传感器布置方式进行优化设计。以M6机翼为例在给定的两个工况条件下验证本文所提出的方法。实验结果表明，GPR模型获得了最高气动载荷重构精度；给出了M6机翼在不同传感器总数下最优的截面数和单个截面布点数，最低传感器布置数下的最优布置方式，以及流场变化相对剧烈的前缘区域与展向截面的传感器布置方式。     

旋翼非定常气动载荷及瞬态气动响应计算

建立了一个用于定常和机动飞行状态下旋翼非定常气动特性计算的数值方法。该方法在时间步进自由尾迹方法的基础上,采用4阶精度的Adams-Bashforth-Moulton预测校正多步法对离散的旋翼尾迹进行求解,耦合了桨叶挥舞运动模型、旋翼配平模型,并采用Beddoes非定常气动模型来模拟桨叶的压缩、气流分离效应。应用该方法,开展了不同状态下旋翼非定常载荷及总距突增时的旋翼瞬态气动响应的计算,并结合试验结果进行了对比分析。结果表明,本文建立的方法不仅可以准确地求解定常飞行时旋翼的非定常气动载荷,捕捉其沿方位角的变化特征,并且也可以准确模拟总距突增时,旋翼的过冲、迟滞等瞬态气动响应过程。     

倾转旋翼机机翼向下载荷的计算方法及参数影响分析

针对悬停和前飞时旋翼下洗流对机翼的气动干扰影响,建立了机翼向下载荷的计算模型.该模型中,旋翼在机翼处产生的诱导速度以及对机翼干扰的旋翼尾迹边界基于Weissinger-L升力面理论和自由尾迹方法计算,以考虑倾转旋翼桨叶的大负扭转和尖削带来的较大三维影响,机翼表面流则区分为弦向流及展向流,以分别计算向下载荷.以缩比的V-22模型旋翼为算例,计算了悬停时旋翼下方的下洗速度分布和机翼的向下载荷,与可得到的实验结果进行了对比,验证了计算模型的有效性.然后,应用该计算模型,研究了襟翼偏角、旋翼倾转角、前飞速度、旋翼/机翼间距等参数对机翼向下载荷的影响.结果表明:机翼的襟翼偏斜角对有效减小机翼向下载荷有重要作用,随旋翼从悬停向前飞倾转,机翼向下载荷减小.     

某型飞机实测起落架着陆载荷谱分析

着陆撞击是飞机起落架最重要的载荷情况之一.通过实测数据分析得出某型飞机前、主起落架着陆撞击载荷谱,包括垂直载荷系数谱、起转与回弹载荷系数谱、侧向载荷系数谱及下沉速度谱等.并给出了一些载荷的特点及回归结果.此外,对起落架载荷测试方法亦进行了简单介绍.     

横向荷载作用下RC多T梁上部结构的受力性能

基于实体退化壳单元理论,采用分层单元模拟了混凝土和构造钢筋,采用组合单元模拟了受力纵筋;并利用弥散裂缝模型、关联流动法则和Madrid强化准则等来描述了混凝土的材料非线性,推导了非线性薄壁壳单元的统一单元模式,研究了横向荷载作用下RC多T粱上部结构的裂缝发展和钢筋屈服等性能.结果表明,RC多T梁的主梁先于横隔板开裂,与偏载加载或中载加载的加载方式无关;横隔板开裂削弱整体横向联系,使主梁协同受力性能减弱,受载较大的主粱荷载横向分布系数略趋于不利变化;偏载加载至结构破坏时,部分主粱的纵向受力钢筋已进入塑性阶段,而中载加载至结构破坏时,所有主粱的纵向受力钢筋均进入塑性阶段.所得结论为多T梁设计提供参考.     

基于VVPM/CA耦合的旋翼非定常载荷计算

为了提高旋翼非定常载荷计算精度,将基于黏性涡粒子方法(Viscous vortex particle method,VVPM)的尾迹计算引入至旋翼综合分析(Comprehensive analysis,CA)中,建立了一个新的旋翼VVPM/CA耦合计算模型。该模型中,旋翼VVPM基于第一性原理,可模拟尾迹的畸变和扩散而不引入经验参数,而旋翼CA则可以有效地进行桨叶弹性变形及非定常载荷计算,通过采用松耦合策略,可以高效地实现两者的信息交换。在此基础上,以SA349/2直升机为算例,针对其低速和高速两种典型前飞状态进行了深入分析,计算表明,本文建立的VVPM/CA耦合分析可以有效地预测旋翼尾迹形状及非定常载荷。     

基于多个前向神经网络和遗传算法的边界检测法

本文提出了一种基于前向神经网络和遗传算法的图象边界检测方法，这种方法由多个三层子前向神经网络并置连接加一个ＭＡＸＮＥＴ子神经网络形成，每个前向神经子网络的隐含层神经元个数和所有人权重系数由遗传算法优化确定，实验结果表明，本文提出了这咱边界检测方法抗噪声能力强，检测到的这界位置更为准确。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

人工智能在空腔气动/声学特性预测与控制参数优化中的应用

多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证。基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用。为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径。     

切比雪夫多项式在动态载荷识别中的应用

依据广义正交域理论，应用一维切比雪夫广义多项式的正交性解决单自由度系统动态载荷时域识别问题，获得了基本计算模型。通过假定数据条件下定频模拟激励动态载荷，根据满足普遍意义的单自由度系统动力学方程计算出系统的加速度响应，结合应用广义正交多项式进行载荷识别的基本计算模型进行动态载荷仿真识别，并将仿真识别结果和激励动态载荷进行比对，对比识别结果，确定一维切比雪夫广义加权正交多项式应用于时域动态载荷识别在理论上具有可行性。在理想条件下，飞行器单处测点满足单自由度系统，应用试验记录的其加速度响应，通过载荷识别计算模型对其动态载荷进行了识别，给出了时域内的载荷识别结果，由于对计算模型及识别对象做了简化处理，在一定程度上降低了动态载荷识别的复杂度，因此，在将结果应用到工程实际中时还需进一步拓展。     

神经网络在直升机概念设计中的应用

运用人工神经网络算法得到了单旋翼布局直升机的总体参数和部件重量估算方法,为直升机方案论证初期提供了一个快速有效的决策手段.对神经网络应用了多种训练算法,并与传统回归公式进行比较,可以发现采用BR训练算法的神经网络具有比传统回归方法更好的非线性表达能力,同时又表现出比LM,SCG等常规训练算法更好的范化能力,对训练样本和检验样本都有较高的估算精度,适用于型号设计初期的参数估算.     

Dynamic Model of Hysteresis in Piezoelectric Actuator Based on Neural Networks

A dynamic hysteresis model based on neural networks is proposed for piezoelectric actuator.Neural network has been widely applied to pattern recognition and system identification.However,it is unable to directly model the systems with multi-valued mapping such as hysteresis.In order to handle this problem,a novel hysteretic operator is proposed to extract the dynamic property of the hysteresis.Moreover,it can construct an expanded input space to transform the multi-valued mapping of hysteresis into one-to-one mapping.Then neural networks can directly be used to approximate the behavior of dynamic hysteresis.Finally,the experimental results are presented to illustrate the potential of the proposed modeling method.     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

海洋平台在组合载荷作用下的随机域可靠性分析

本文对海洋平台在风、浪及海流等多种载荷组合作用下的可靠性进行了分析计算，采用优选随机载单元法进行结构数的随机域离散。文中的海洋平台算例结构表明了优选随机域单元法的高效性，以及在海洋工程的结构系统可靠性计算中的考虑载荷组合作用的必要性。