防热试验用高温超声速燃气流场热环境分析

对用于防热系统试验考核的高温超声速燃气流场的流场结构和热环境特性进行了计算和分析.将CFD模拟方法与工程计算方法相结合,对两类锥形喷管形成的燃气流场进行了数值模拟计算和流场结构分析,并与试验过程中高速拍摄的图片进行了比对.利用模拟得到的流场气动参数,计算了沿流场轴向位置球头驻点模型的热流和压力,并与试验测量数据进行了对比,结果吻合较好.锥形喷管形成压缩波和膨胀波交替的流场结构,导致流场气动参数与模型热流和压力形成正弦变化的特点.     

多级轴流压气机特性的一种计算方法

本描述了多级轴流压气机特性计算的一种方法，流场计算采用流线曲率法解完全径向平衡方程。本在特性计算中引进了环壁附面损失模型，考虑了叶片去亏损力，二次流和径向间隙漏流等影响。采用了新的流场计算模型，流场计算稳定，收敛较快。并对计算结果与试验数据进行了对比，认为这种计算方法可以用于轴流压气机特性计算。     

基于小波变换的脉冲耦合神经网络预测模型及其应用

被称为第三代人工神经网络的脉冲耦合神经网络(PCNN)模型,以其耦合机制、脉冲输出两大基本特性广泛应用于图像处理等领域。文章在两大基本特性的基础上对PCNN进行了改进:增加了绝对误差控制公式;连接强度以相关系数来控制,调整阈值设置为最小误差;网络的运行机制与以往的PCNN原理有所不同;将ATrous小波变换与PCNN模型相结合,形成了组合预测模型。将改进后的组合模型用于年降雨量的预测中,以求检验模型的可行性。预测结果表明,基于小波变换的PCNN组合模型用在年降雨量预测中是可行的,并取得良好效果。为进一步深化PCNN的理论、拓宽PCNN的应用领域、解决水文水资源中的预测问题提供了新的思路和方法。     

神经网络在风洞流场马赫数辨识中的应用研究

风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点。笔者在研究FL26Y风洞流场特性的基础上，应用神经网络技术，研究马赫数在线辨识问题，为高精度风洞流场马赫数控制提供技术支持。首先介绍神经网络马赫数辨识原理，然后介绍神经网络拓扑结构的设计，并构造神经网络的马赫数辨识模型(NNI)。最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响，进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性。     

非线性壁板颤振计算的子循环预测校正方法研究

为了解决流固耦合问题中弱耦合计算方法存在的滞后误差引起计算发散的问题, 将子循环方法与预测校正方法相结合, 使用有限元方法求解壁板动力响应, 使用Fluent求解受扰动的流场, 使用基于拉伸弹簧与扭转弹簧的动态网格方法更新流场网格, 分析了弹性壁板在超声速气流作用下的非线性动力响应, 结果表明此方法能准确预测壁板颤振的响应特性, 计算稳定性优于弱耦合方法, 可以保持长时间计算结果的稳定性.      

高超声速流场与结构温度场一体化计算方法

在对国内外流场与结构温度场一体化计算方法的不足进行细致讨论的基础上,提出了一种高超声速流场与结构温度场一体化计算方法.采用统一的积分方程组作为气动加热和结构传热物理过程的控制方程,对整个物理场进行统一的迎风格式有限体积方法离散,给出了流场与结构交界面上温度、温度梯度及导热系数等参数的计算方法.在时间推进方面,定常状态采用多步龙格库塔迭代格式,非定常状态则采用双时间步长方法.采用发展的一体化算法对二维圆管模型的气动加热和结构传热问题进行了数值模拟.结果表明:2s时驻点物面温度为390K,与其他文献的误差在3.1K范围内;稳定时驻点物面温度为647K.      

直孔射流对压气机叶栅流场影响的实验研究

为了探究直孔射流对压气机叶栅的影响,通过实验方法,结合流场显示技术和流场测试技术,对无控叶栅和直孔射流方案下的压气机平面叶栅在正攻角下的流场结构和气动性能进行了分析。结果表明:无控叶栅中吸力面存在三个螺旋点,而不同射流方案下螺旋点的数量和位置变化明显;无控叶栅端壁存在一个从吸力面起始的分离区,布置射流孔后,在射流孔前发展出马蹄涡,马蹄涡的两个分支的发展情况及其对流场影响随着不同射流方案呈现出不同的特点;射流孔的位置对控制效果有明显的影响,最佳方案减小了3.2%的总压损失,增大了1.86%的通流流量;在最佳方案下,吸力面螺旋点数量减少到了1个,端壁没有明显的尾迹出现,出口处高损失区的欠偏转和端区的过偏转均有所减弱。     

给定下游边界的超声速流场逆向求解方法

为了实现超声速流场出口参数的可控设计,借鉴特征线方法在古尔赛特与柯西问题两类边值条件中的应用,提出了一种根据下游边界条件求解其依赖域的逆柯西问题求解方法,并在此基础上发展了一种均匀来流条件下的超声速流场逆向求解方法。对轴对称内收缩流场、二维平面流场、轴对称外锥流场三个典型算例校核表明,逆向求解方法得到的计算结果与正向特征线方法一致,由此验证了该逆向求解方法的可行性,并有效拓展了超声速流场的设计思路。     

基于本征正交分解的流场快速预测方法研究

对于飞行器气动设计,通过实验或CFD计算获得所有设计状态处流场信息成本高、耗时长,难以满足工程应用要求。利用基于本征正交分解(POD)降阶模型结合相应的插值方法,只需要通过实验或CFD计算获取有限个数的采样流场,可以快速预测出具有满足精度要求的设计状态处流场信息。首先,证明对POD基系数插值获取预测流场与对采样流场直接插值获取预测流场的等价性,并分析采样流场分布的要求。然后,以三段翼型流场作为研究对象,POD降阶模型分别与三次样条插值和径向基插值结合,实现设计状态处流场信息快速预测。最后,通过将流场预测结果与相同条件下的流场CFD计算结果对比,表明了POD降阶模型结合两种插值方法的各自特性。     

舰面流场下的直升机平衡特性分析

主要分析了舰载直升机在母舰甲板上方悬停时的平衡特性。采用CFD方法计算了母舰甲板上方的气流场,建立了适用于舰载环境的直升机飞行动力学模型,计算了UH-60A直升机在流场悬停位置处的配平值。在此基础上,计算了旋翼入流、载荷、功率以及机体姿态状态量的响应。仿真结果表明,舰面流场的非线性、不均匀等特点对计算值影响较大。通过与无离散模型计算结果的对比,表明了流场对直升机旋翼的垂向载荷影响较大,对机体姿态角速率的影响更为显著,破坏了直升机的平衡,对直升机在舰面流场环境下的飞行控制系统提出了更高的要求。     

航空发动机递归神经网络分路式解耦控制

针对航空发动机多变量控制中变量之间的耦合问题,提出了一种基于递归神经网络的分路式动态解耦控制方法,给出了发动机双路式解耦控制系统的结构及其解耦原理和算法。利用递归小波网络较强的动态非线性映射能力,在线完成发动机各控制通道的模型辨识,并回馈对应的灵敏度信息;神经网络PID控制器根据回馈的信息在线自适应调整参数,实现发动机各通道的准确跟踪和分路独立控制。仿真表明,该方法在保证控制系统良好的动态和稳态性能的同时,有效地减小了各回路之间的耦合影响,能够成功应用于发动机控制系统的解耦。      

基于小波神经网络航空发动机滑油系统故障诊断方法研究

研究了基于小波神经网络的非线性系统的故障检测和诊断方法.把小波分析与前馈神经网络相融合,并推导出其具体的算法.应用小波神经网络对航空发动机滑油系统进行故障诊断.试验和仿真的结果表明:小波网络应用于故障诊断时具有收敛速度快,对网络输入不敏感等特点,为非线性系统的故障诊断提供了新的理论和方法.     

基于神经网络的故障率预测方法

 为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明：这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。     

Robust wavelet neuro control for linear brushless motors

Design, simulation and experimental implementation of a wavelet basis function network learning controller for linear brushless dc motors (LBDCM) are considered. Stability robustness with position tracking is the primary concern. The proposed controller deals mainly with external disturbances, e.g. nonlinear friction force and payload variation in motion control of linear motors. It consists of two parts, one is a state feedback component, and the other one is a learning feedback component. The state feedback controller is designed on the basis of a simple linear model, and the learning feedback component is a wavelet neural controller. The attenuation effect of wavelet neural networks on friction force is first verified by the numerical method. The learning effect of wavelet neural networks on friction force is also shown in the numerical results. Then, a wavelet neural network is applied on a real LBDCM to on-line suppress the friction force, which may be variable due to the different lubrication. The effectiveness of the proposed control schemes is demonstrated by simulated and experimental results.     

基于小波神经网络的自适应飞/推控制系统设计

基于小波神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用小波神经网络逼近非线性函数,并把逼近误差引入到权值的自适应律中用以改善系统的动态性能。H∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。      

子波分析和ART神经网络在复合材料板冲击定位中的应用

将子波分析和神经网络技术用于复合材料的无损监测,利用子波分析良好的时频特性从强噪声中提取特征信息。并对复合材料受到冲击时的信号进行了实验处理,提出了一种改进的自适应共振理论 (ART)神经网络结构聚类算法。实验结果表明,能实时监测复合材料受到冲击时的冲击位置和冲击大小。     

Design method with controllable velocity direction at throat for inward-turning inlets

In the design of a hypersonic inward-turning inlet by applying the traditional basic flowfield, a reflected shock-wave is formed in the isolator due to the continuous reflection of the cowlreflected shock wave in the basic flow-field, which interacts with the boundary layer to produce a considerable influence on the performance of the inlet. Here, a basic flow-field design method that can control the velocity direction at the throat section is developed, and numerical simulations are conducted to demonstrate the effectiveness of this method. The method presented in this paper can achieve the absorption of the reflected waves at the shoulder of the basic flow-field by adjusting the variation law of the center radius in the basic flow-field, and a smooth transition between the compression surface and the isolator can also be produced. The Mach number and total pressure recovery coefficient of the inlet designed according to this method are 3.00 and 0.657, respectively, at design point(the incoming flow Mach number Ma1= 6.0). The results show that with this method, the inlet can efficiently weaken both the reflection of the shock wave and the interaction between the boundary layer and the reflected shock waves, which improves the aerodynamic performance of the inlet.     

基于小波神经网络的复合材料损伤检测

讨论了小波变换和小波神经网络,借助小波变换良好的时频带通分层性,从各阶二进小波变换的频域中提取特征,送入小波神经网络进行学习和分类,结果表明该方法稳定可靠,在复合材料智能化研究中具有很大前景。     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。     

一种小波神经网络与遗传算法结合的优化方法

提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强.