确定发动机空中再点火边界的方法

给出了在研制阶段初步确定发动机空中再点火边界的几种方法，并着重介绍了如何通过燃烧室的点火试验来确定空中两点火边界。     

高空来流条件下航空发动机双旋流燃烧室点火特性数值模拟

为深入了解真实航空发动机燃烧室极端条件下点火性能，在自有CFD平台上对不同高空来流条件下典型航空发动机双旋流燃烧室点火过程进行了数值模拟。为保证模拟精度，对模型包括全部气膜冷却小孔在内的所有精细结构均进行了完全仿真，并完整再现了燃烧室内从燃油雾化到点火燃烧全过程。结果表明3种高空来流条件下单次点火均失败。点火过程显示高温燃气越过旋流杯中心向上回流区扩张是点火的关键时空区域，在此时补充点火可推动火焰顺利传播到整个主燃区。对8km和6km两种状态分别增加点火次数到3次和5次后最终点火成功，结果表明前者着火极限油气比约为0.057，后者为0.038~0.042。     

基于ANFIS的涡轮发动机风车工况建模仿真

小样本情况下神经网络模型泛化能力不足的缺陷限制了其在涡喷发动机风车工况建模中的应用。在十组风车工况实验数据的基础上建立了涡喷发动机风车工况的神经网络模型，并且利用人们对涡喷发动机动静态、相似参数以及剩余功率与加速度的关系等先验知识不断对神经网络的输入变量进行变换，逐次减少神经网络的训练样本数目，最终只用一组训练样本就可以训练出泛化能力较强的神经网络模型，大大提高了小样本情况下神经网络的泛化能力。仿真结果表明，该方法简单有效。     

一种弹用涡喷发动机风车起动数值仿真方法

对弹用涡喷发动机风车起动过程进行仿真求解:点火前风车过程用径向基函数神经网络(RBFN)建模,引入相关先验知识对网络输入变量加以变换,以满足小样本情况下网络建模;依据试验数据运用滑动最小二乘法(MLS)获得压气机特性;对于点火加速过程的动态模型,采用改进的粒子群优化(PSO)算法求解.解决了N-R(Newton-Raphson)法受初值影响不易收敛的问题.计算结果与试验数据吻合较好,可作为发动机起动过程性能分析和优化的理论依据.      

小型固体推进剂火箭发动机某些点火问题的实验研究

用φ50mm标准试验发动机对双基和复合推进剂的发动机点火问题进行以下一系列研究工作:(1)在双基推进剂发动机的初始工作时,喷管堵盖的厚度将如何影响点火压力和点火延迟时间。试验结果表明:堵盖的爆破时间应该是在燃烧室最大压力的75％～100％处,那就是说,较厚的堵盖将得到较好的试验发动机性能。(2)在双基推进剂发动机中,堵盖厚度一定,燃烧室压力为25～115atm,试验结果表明:如果点火压力小于75atm,则某些通用的公式可用来计算点火药量。如利用Barrere和Lancaster公式来计算点火药量时,上面所讲的二个结果是有效的。(3)用一种高能金属氧化剂作点火材料的装药量和复合推进剂发动机的自由容积之间关系,对于不同的Ku,可作成曲线。例如用硼硝酸钾(B/KNO_3)作为点火药,聚酯推进剂作为发动机装药,则在对数坐标上所得曲线是线性的,这样,在点火器设计中易于确定所需烟火剂装药量。     

基于随机粒子追踪方法的环形燃烧室点火动态模拟

为了深入研究低排放燃烧室点火联焰规律，在全新的环形模型燃烧室中开展了点火模拟和试验研究。点火模拟采用随机粒子追踪方法，能够基于时均冷态流场的仿真结果快速模拟火焰传播过程。环形燃烧室包含16个中心分级旋流器，仅向预燃级通入丙烷，用于模拟航空发动机低排放燃烧室点火状态下的空气燃油分级。试验采用PIV技术测量3个头部区域流场，利用高速相机拍摄火焰CH*/C2*基团化学发光信号。对多个流量和当量比条件下的联焰过程、联焰时间和传焰速率进行了分析，试验和模拟的结果均表明：环形燃烧室内火焰双向传播，燃烧室内外环流速度差异导致了双向火焰传播速度差，传焰速率随燃烧室湍流速度和当量比的增加而增加。点火模型很好地捕捉了环形燃烧室点火动态，所得传焰速率也符合湍流火焰传播规律，表明该模型具有较强预测能力。     

冲压发动机燃烧室点火性能试验

对具有四个旁侧进气道带机械火焰稳定装置的整体式冲压喷气发动机的起动点火性能进行了试验研究,分析了点火能量、稳定器槽宽、来流温度、点火余气系数等因素对冲压燃烧室的点火延迟时间的影响。研究表明,点火能量是影响冲压燃烧室点火起动的重要因素,通过提高点火能量可以实现冲压发动机的快速点火起动;另外,稳定系数越高,点火余气系数对应的燃烧效率越高,发动机点火越容易。     

燃烧室电火花点火模型

为了准确掌握影响航空发动机燃烧室点火边界的关键因素,并建立燃烧室点火边界预测模型,对单头部燃烧室的点火过程及点火边界进行了试验与理论研究。获取了燃烧室点火过程的火核生成与传播特性曲线,形成了拓宽燃烧室点火边界的优化方法,基于点火恢复时间建立了燃烧室点火边界预测模型,并对预测模型的精度进行验证。结果表明:提高喷嘴雾化性能是提升点火性能的最有效途径,点火模型预测结果与试验结果相符度较好,模型的最大误差小于20%,满足燃烧室工程设计需要。      

涡扇发动机风车起动点火匹配研究

针对涡扇发动机在高空状态的风车起动点火失败情况进行了原因分析和油气匹配研究。通过分析影响风车起动点火的主要因素,找出了点火失败的原因是点火油气不匹配,偏离了燃烧室可靠点火的余气系数边界。在油气匹配研究的基础上,提出了调整点火油气比的解决措施,并在高空台进行了试验验证。验证表明:该涡扇发动机风车起动点火失败的分析评估方法和解决措施合理可行,可为同类型发动机风车起动点火匹配设计和评估提供参考。     

空中点火／贫油熄火研究

设计先进的涡轮发动机时，燃烧室的贫油点火和火焰稳定边界是首要考虑的问题。点火和火焰吹熄的机理易于定性分析，但却不易模型人或预测。本文介绍了对７种燃烧室建立和点火和熄火关系式，各种燃烧室的设计没有一致的规律，应用目前的资料还不能概括出工作参数的影响。     

RP-3航空煤油三组分替代燃料简化机理验证

利用机理自动简化程序ReaxRed对航空煤油RP-3三组分替代燃料半详细化学反应动力学模型采用两种方案分别进行了简化。方案一采用直接关系图（directed relation graph,DRG）法构建了109组分423步基元反应,方案二在方案一的结果上采用基于误差传播的DRG（directed relation graph based on error propagation,DRGEP）方法和计算奇异摄动（computational singular perturbation,CSP）法构建了84组分271步基元反应。结合点火延迟试验数据对方案二所构建的简化机理进行了验证,并且采用层流火焰速度、温度和重要产物等方面的数值计算结果进行对比分析,结果表明:方案二所构建的简化机理在简化过程中保留一定的计算精度前提下更加经济实用,其中在各种工况下方案二简化机理和半详细机理的点火延迟时间之间的平均误差在6%以内并且它们在火焰传播速度方面平均误差在不超过8%。采用本生灯预混燃烧器为物理模型,以RP-3航空煤油为燃料,进行相应的试验研究来验证方案二的简化机理,结果表明该简化机理数值计算结果与试验数据较吻合。      

三种用于加工特征识别的神经网络方法综述

加工特征自动识别技术是智能化设计与制造的关键支撑，已有的实用性算法普遍存在学习能力差、识别范围有限和识别速度慢等共性问题。神经网络方法在计算机视觉和模式识别领域获得了巨大成功，其自学习与自适应能力和高速计算等优势也已在加工特征识别中得到初步的展现。对加工特征识别中具有应用潜力的三种不同的神经网络方法进行了研究，剖析了神经网络识别加工特征中的预处理与编码和神经网络结构设计等关键性问题，分析了不同神经网络方法的异同点，总结了当前神经网络识别加工特征的发展方向，为相关领域的研究提供一定的理论指导与技术支持。     

基于STEP和改进神经网络的STEP-NC制造特征识别方法

特征识别是实施STEP-NC重要的一步，也是实现开放式、智能化和网络化STEP-NC数控系统的关键。本文提出了一种基于STEP和改进神经网络的STEP-NC制造特征识别方法。该方法首先在对STEP AP203中性文件进行几何拓扑信息提取后，基于边的凹凸性判断构建了零件最小子图。然后，将混沌算法、遗传算法与BP神经网络算法有机相结合提出了改进的BP神经网络。最后，通过将获得的零件模型最小子图信息数据输入到改进的BP神经网络，实现了对STEP-NC制造特征高效精准地识别。通过实例验证了该方法的有效性和可行性。     

基于人工神经网络的手写体数字识别方法

数字识别是人工神经网络中的一项基本又重要的应用研究领域。为此提出了一种用简单BP神经网络识别手写体数字的方法。利用BP神经网络的良好监督学习功能,并结合提取的降维数字字符图像的灰度特征进行网络训练,提出了一种基于统计特征分类的手写体数字识别方法。实验结果表明,该方法简单且有较好的识别效果。     

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

面向飞行员疲劳状态监测的脑认知深度模型研究

通过分析飞行员脑电信号，构建了疲劳状态的彩色脑功率图，设计基于高斯牛顿在线变分方法的卷 积神经网络参数优化方法，形成一种新型脑功率图深度网络模型，有效实现脑功率图深度网络的模型分类识别 能力。相比于其它基于脑电信号的疲劳检测深度模型，疲劳状态认知的准确度提升了3%~5%。     

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

基于PNN-DS信息融合模型的目标识别方法

针对目标识别中常用BP—DS信息融合方法识别率低,运行速度慢,抗噪性差等问题,提出一种基于PNN网络和DS证据的信息融合方法。该方法不仅综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,利用神经网络和证据推理算法获取了基本概率赋值,同时突出了PNN网络在处理多传感器信息的准确性和运算速度上都要优越于BP网络的特点。     

涡喷发动机风车启动工况的神经网络建模

弹用涡喷的风车启动工况是复杂的非线性过程，由于此时压气机处于非设计工况（膨胀）而造成机理建模的困难。神经网络对于非线笥映射具有任意逼近能力，应用径向基函数神经网络（RBFN）对涡喷发动机风车启动阶段进行了实验建模，寻选取网络参数及训练样本，达到了很高的精度，对确定发动机可靠点火点和启动过程仿真等都有一定的价值。     

基于BP网络星图识别的样本构造方法

星敏感器是一种高精度的姿态敏感测量系统，如何确定星敏感器上像点在摄影时刻所对应的恒星，即星图识别，是姿态测量的关键。本文根据星图识别问题本身的特点和神经网络技术的特性，提出了基于BP网络星图识别方法的一种可以兼顾性能和效率、利于实现的样本构造方法。