导弹发射管内燃气流场的实验分析

针对密封盖未及时开启造成发射装置的损坏问题进行了实验分析。实验测量了对发射管壁静压和密封盖受到的燃气射流冲击压力，利用子波分析方法求取了实验数据的基于子波系数的频带能量谱，并对含有射流噪声的测量数据进行了子波滤波，得到了各点压力低频成分的变化情况，同时得到了密封盖所受冲击冲量与激波振荡幅值的关系。研究表明密封盖不及时开启会在弹管间隙中形成高幅值的起始冲击波和燃气回流激波振荡。这种破坏性的流动结构会导致发射装置的损坏。     

基于Shannon复数小波和时间反转聚焦的复合

 在飞机结构上,复合材料结构大量应用。该种材料结构容易受到外界冲击而产生内部脱层等损伤,所以对复合材料结构的冲击事件进行在线结构健康监测是十分必要的。为了克服信号在复合材料结构中传播存在的频散、多种模式及模式转换的现象给冲击定位带来的困难,研究了一种基于Shannon复数小波和时间反转聚焦的复合材料结构多源冲击成像定位方法。分析了信号的时间反转聚焦原理,在此基础上,提出了冲击响应信号时反合成成像方法。针对宽带的冲击响应信号,利用Shannon复数小波变换提取冲击响应信号中特定尺度下的信号成分参与到成像过程中。整套方法在碳纤维复合材料层合板上得到了验证。验证结果表明该方法能够正确地对冲击监测区域中的多个冲击源进行成像和定位,冲击定位误差不超过2 cm。     

复合材料结构的低功耗冲击区域监测方法

复合材料凭借优异性能而被广泛应用于民用飞机结构,但复合材料结构可能会因冲击而产生内部损伤并严重降低结构的性能。因此,以低功耗方法不间断地对飞行器复合材料结构进行冲击监测就显得尤为关键。面向机载提出了一种基于反向加权和的低功耗冲击区域定位算法,该算法基于数字化冲击监测原理,依据冲击响应数字序列进行冲击事件的区域定位。算法运算过程简单高效,便于通过嵌入式软件编程至核心处理器,并显著减少在核心处理器执行算法所需的功耗、时间和存储空间,有利于冲击监测系统的低功耗设计和应用。此外,将算法应用在低功耗小型化冲击监测系统中,并评估了冲击区域定位算法在复合材料机翼盒段结构上的准确率。评估结果显示,低功耗冲击区域监测方法可以准确的监测每次冲击事件,且冲击区域定位准确率达到了96%。     

基于二维线阵和空间滤波器的结构冲击无波速定位方法

复合材料在航空结构中的应用越来越广,但其遭受外界物体冲击后很容易在内部产生表面不可见损伤,所以对复合材料结构的冲击事件进行在线监测十分必要。基于压电传感器（PTZ）和Lamb波的冲击定位方法是目前的研究热点,但是Lamb波信号在复合材料结构中传播的各向异性给冲击定位带来了困难。本文将空间滤波器算法推广到复合材料结构的冲击监测应用中,研究了与波速无关的空间滤波器冲击定位原理,提出了基于二维线性压电传感器阵列和空间滤波器的结构冲击无波速定位方法。该方法首先采用Shannon连续复数小波变换提取并构建宽带冲击响应信号中的窄带Lamb波解析信号;然后利用波速无关的空间滤波器算法计算出结构冲击相对于各条线性压电传感器阵列的角度;最后使用冲击无波速定位公式计算出结构冲击的位置坐标。在碳纤维层合板上对该方法进行了实验验证。验证结果表明：该方法可以实现对复合材料结构的冲击进行不依赖信号传播速度的定位,定位误差小于1 cm。     

钻孔与冲击对碳/环氧复合材料电阻影响的计算模型

分别对碳/环氧复合材料进行钻孔和冲击,并测量了钻孔或冲击前后复合材料的电阻,分析了材料电阻变化的机理,建立了复合材料电阻变化计算模型。结果表明,钻孔与冲击都会使复合材料中碳纤维之间接触点(电流截面积)及电荷传导路线发生变化,从而引起复合材料电阻变化。由钻孔对复合材料电阻影响的计算模型推导的冲击计算模型,能够极大地简化有关冲击对复合材料的影响的计算。根据本文所建立的计算模型可以计算出钻孔与冲击引起的复合材料电阻变化率,且与实验测量值相吻合。     

基于碳纳米纸传感器的复合材料结构低速冲击损伤监测

针对复合材料对冲击载荷比较敏感、内部损伤不易发现的问题,提出一种利用碳纳米纸薄膜作应变传感器的复合材料结构件低速冲击损伤监测方法。在拉伸条件下,对圆形和矩形碳纳米纸薄膜进行不同方向的传感系数测试,发现圆形碳纳米纸传感器具有较高且稳定的传感系数155.63,可以作为全向传感器监测冲击损伤。复合材料结构的冲击损伤由传感器的电阻变化率和超声C扫描结果同步表征。研究结果表明,传感器的电阻随着冲击能量的增加而增加,基于全向碳纳米纸传感器的结构健康监测不仅可以灵敏感知低速冲击损伤,为损伤程度评估提供客观数据,而且通过分析不同方向BP传感器的电阻变化可以判断损伤位置。进一步与传统C扫描结果相比较表明,全向碳纳米纸传感器可以有效预判低速冲击损伤,用于航空航天复合材料结构件的实时在线健康监测。     

陶瓷/复合材料装甲板防弹机理分析

分析了纺织复合材料和陶瓷的低速冲击性能,并以此为理论基础,剖析陶瓷/复合材料装甲板受弹头冲击时的防弹机理,并建立此过程的动态分析模型,讨论和预测复合装甲的损伤和破坏,为复合材料在复合装甲上的应用和防弹能力预测提供理论分析依据。     

三维编织碳/环氧复合材料聚能冲击性能研究

利用爆炸冲击试验对三维编织碳／环氧复合材料聚能冲击性能进行了研究,并分析了三维编织碳／环氧复合材料的聚能冲击破坏的宏观和微观破坏机理。结果表明,导爆索直接与碳／环氧接触时,碳／环氧复合材料将被破坏;在导爆索和碳／环氧之间加入橡胶,可以保护碳／环氧复合材料不被破坏。     

复合材料冲击损伤检测维护对SHM技术需求分析

随着航空新技术的发展,复合材料结构健康监测(SHM)技术成为飞机结构设计的热点。SHM在设计过程中,除了要考虑在技术实现方面的需求,还应考虑实际维修工作和适航要求对SHM技术的需求。本文结合现阶段复合材料冲击损伤检测维护程序,考虑SHM技术的发展趋势和适航要求,分析了SHM技术运用后的维修场景,提出了复合材料冲击损伤检测维护对SHM技术需求。     

G/K织物混杂增强复合材料层合板冲击损伤特性研究

采用空气炮实验装置、渗透剂增强的X射线照相法和高强光背射法对中心受到横向冲击的G／K织物混杂增强复合材料层合板的冲击损伤情况进行研究，讨论了G、K织物交替铺层时层合板的应力特征与损伤状况，分析了面、背板与芯板材质变化时层合板的应力与冲击损伤的关系、铺层角变化时层合板的损伤特征。结论强调指出，为提高复合材料层合板的抗弹能力，应采用混杂铺层、铺层角的错配方式，并避免将Kevlar作为背板使用。     

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.     

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。      

流场特性预测的两类高效方法

在多因素多水平试验设计方法建立数据库的基础上,提出了预测流场特性的两类高效方法:一类是响应面方法;一类是小波神经网络方法.典型算例表明,两类方法都可以高效率的获取流场特性参数,而且在预测的精度与计算的效率上,小波神经网络方法较响应面方法更具有优势.      

小波包变换和神经网络的某型导弹故障诊断方法研究

提出了一种基于小波包变换的残差能量方法,对导弹动态测试数据进行分析处理,提取导弹的故障特征,并在此基础上利用神经网络有效地实现了故障的诊断和定位。     

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.      

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。      

基于声发射的铝蜂窝板超高速撞击损伤模式识别方法

为通过声发射技术识别铝合金蜂窝板超高速撞击(HVI)的损伤状态,提出一种基于神经网络的损伤模式识别方法。通过超高速撞击实验获取声发射信号,结合精确源定位技术、时频分析技术、小波分析技术及模态声发射技术,提出了10个与损伤相关的特征参数,通过非参数检验分析其与损伤的关系,设计了一种基于贝叶斯正则化BP神经网络的超高速撞击损伤模式识别方法。建立最优网络模型,通过不同参数组合识别能力分析,优选出2种特征参数组合,通过非同源样本对其损伤模式识别能力进行验证。结果表明:传播距离与损伤模式无关,却是识别损伤模式的重要参数;125~250kHz频域的自动加窗小波能量比会降低损伤模式的识别能力;采用贝叶斯正则化的BP神经网络可以较好地识别蜂窝板超高速撞击损伤模式,参数组合为传播距离、上升时间、持续时间、截止频率、4个自动加窗小波能量比及小波能量熵,共9个参数,对任意选取非同源样本识别错分率仅为9.38%。     

用自适应小波神经网络辨识动态实验数据

在气动动态实验中，往往飞行器气动模型是非线性的，很难对动态系统进行正确建模，因此无法得到准确的气动参数值。而采用自适应小波神经网络，无需对该动态系统建模，就可准确地辨识出气动动稳定特性，同时，精度较高、收敛速度较快。采用该方法对某导弹模型风洞自由飞实验结果进行了辨识与动稳定性分析，结果表明用自适用小波神经网络辨识安全可靠。     

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.