基于ASP的航空发动机维修管理系统

目前,我国一些发动机维修企业的工作流程过于依赖于人工操作,发动机维修数据也没有进行统计管理.这就意味着发动机维修过程中记录下来的绝大多数数据信息不会再被查找利用,也基本上不会用于发动机排故参考,因此无论从数据信息还是人力角度看都是很大的浪费.     

微机械陀螺正交耦合误差静电力抑制的有限元仿真研究

微机械陀螺的正交耦合误差是敏感结构振动模态间的刚度耦合引起的检测模态输出偏量,是影响陀螺性能的关键误差源之一。静电力抑制是一种采用静电力调节驱动模态的主轴偏量,使用直流电压进行正交耦合误差抑制的方法,该方法具有片上实时抑制能力,能够有效抑制正交耦合误差。从静电力抑制正交耦合误差的基本原理出发,运用有限元仿真,对硅基音叉陀螺正交耦合误差的静电力抑制进行了仿真分析,并通过实物测试数据进行了验证。     

基于互锁双指令控制的电磁阀驱动电路设计

为满足体积及重量强约束条件下的动力系统电磁阀控制需求，提出了一种基于互锁双指令控制的电磁阀驱动电路设计方案。采用逻辑相反的互锁指令与串并联设计的阀门驱动电路结构形式，设计了基于McBSP内总线交互的电磁阀控制流程，建立了150N电磁阀驱动电路仿真模型及阀门电流测试平台。仿真及测试结果表明，该驱动电路能够有效实现二度故障下的电磁阀开启与关闭。     

无缆飞行器的电能和信息一体化无线传输技术研究

针对航天飞行器电气设备间连接电缆网复杂沉重的问题，提出了一种面向无缆飞行器的电能和信息一体化无线传输技术方案，该方案能够实现飞行器舱内仪器设备间无线互联和器地间的无线互联；分析了其在飞行器型号工程应用所面临的关键技术，并阐述了其应用前景，为未来航天飞行器电气系统的快速集成设计提供了新的思路和解决途径。     

基于数值模拟的孔构件挤压强化疲劳寿命预测

为研究飞机机身7050铝合金孔构件挤压强化后的疲劳增益,采用数值模拟与试验研究相结合的方法,对孔构件的挤压强化过程、疲劳加载过程、疲劳裂纹萌生和裂纹扩展过程进行研究。通过数值模拟探究了孔构件在不同状态下危险截面的应力分布和对应的疲劳行为,分析了残余应力场对疲劳性能的影响,探讨了残余应力与疲劳裂纹萌生和裂纹扩展的内在联系,建立了孔构件挤压强化疲劳寿命数值预测模型。结果表明：孔挤压强化引入的残余压应力可以减小孔构件在受载时孔壁最大拉应力,改变疲劳裂纹的萌生位置,抑制疲劳裂纹萌生和裂纹扩展,提高7050铝合金孔构件疲劳寿命近2倍,疲劳寿命数值预测模型误差在12%以内。     

基于FLUENT的某三通流动阻力系数研究

以CFD软件FLUENT为基本工具,应用有限体积法对流场进行数值模拟,采用Standard k-ε湍流模型和SIMPLE算法,对某三通内部流场进行了数值模拟。通过模拟得出不同流向情况下流速与阻力系数的关系及流速对入口直管段沿程阻力系数的影响。     

基于里程计的捷联惯导行进中对准方法研究

针对车载惯导系统快速性、机动性的要求,设计了一种基于里程计组合车载惯导系统行进中的初始对准方案。详细推导了行进间捷联惯导系统的误差方程、里程计速度误差方程。利用正交向量法完成在振动基座下惯导系统的粗对准;在粗对准的基础上,利用Kalman滤波技术完成车辆行进过程中的精对准。根据不同状态提出不同的数据预处理方式以提高对准精度。验证表明不需要对载体提出任何机动要求,10分钟内完成初始对准,方位对准精度达到3角分。     

固体火箭发动机加延时间试验的可靠性增长Bayes分析

针对含有加延时间试验的固体火箭发动机研制过程,将Mazzuchi-Soyer可靠性增长模型用于此类研制试验的可靠性分析,扩展了模型应用范围。首先,采用威布尔分布描述发动机可靠性随试车时间变化,经过一定的数学变换后,采用Mazzuchi-Soyer可靠性增长模型融合了先验信息和各阶段试验信息,给出了研制试验结束时产品可靠性的联合后验分布;然后,利用Gibbs抽样算法解决了后验推断计算问题,最终得到了各阶段产品可靠性的Bayes点估计和区间估计;最后,给出了产品可靠性增长分析实例,表明了模型的优越性。     

基于贝叶斯理论的低循环疲劳寿命模型不确定性量化

为量化低循环疲劳寿命模型中的不确定性因素,利用贝叶斯理论,采用经典的模型校准形式确立了寿命模型的不确定性量化形式,并结合正态性检验对误差项进行验证;应用马尔可夫链-蒙特卡罗(MCMC)算法获得了模型参数后验分布的抽样样本,在小子样试验数据条件下确定了低循环疲劳寿命的95%不确定性区间,较好地覆盖了寿命的分散性;对参数样本进行了相关性分析,并将异方差回归概率模型与贝叶斯概率模型进行了比较。最后,利用Morris全局灵敏度分析方法获得了Manson-Coffin模型参数的全局灵敏度指标;同时,验证了在模型参数对先验信息敏感,或者说在先验信息影响极大的情况下,采用无信息先验处理方法的合理性。     

基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。