导弹块对角控制器的组合设计法

利用小脑关节模型控制器 ( CMAC)神经网络辨识了导弹控制系统的几个重要空气动力参数,证明了估计误差、权误差有界,然后用解析逆解设计方法、模糊神经网络变结构控制方法设计了块对角控制器。仿真结果显示了该算法的有效性。     

Ti-6Al-4V钛合金疲劳小裂纹扩展行为的研究

对两种热处理状态的Ti-6Al-4V锻件钛合金的疲劳小裂纹扩展行为进行了研究.使用应力强度因子范围ΔK对小裂纹和长裂纹的扩展速率进行关联.结果表明,恒幅载荷R=0和R=-1下两种材料都表现出小裂纹效应,R=-1下的小裂纹效应尤为明显.在相同应力比下对两种状态材料的小裂纹效应进行对比发现,应力比R=-1下,两种状态材料的小裂纹扩展行为非常相似.应力比R=0下,片层宽度较小的材料表现出的小裂纹效应较明显.     

带机体状态反馈的直升机地面共振分析

建立了带机体状态反馈的直升机旋翼/机体耦合动稳定性分析模型,研究了机体反馈系数对直升机地面共振的影响。根据Floquet理论采用传递矩阵法计算了系统的模态频率及模态阻尼,并用非线性模型的数值仿真进行了验证。结果表明,机体滚转角位移和角速度反馈能有效地提高摆振后退型模态阻尼;但当机体滚转姿态角反馈系数过大时,以挥舞后退型模态为主的旋翼挥舞与机体运动之间相互作用,导致直升机出现动不稳定性。     

基于1-DISVM的聚类模型及直升机齿轮箱故障诊断应用

针对当前故障诊断中存在的训练样本少、知识难获取的问题,结合SVM小样本学习的特点,提出一种基于SVM的自学习聚类模型。通过改进无监督1-SVM算法上的不足,形成一种改进决策1-SVM(1-DISVM)算法,由此构建了多模式训练与分类算法,并设计出基于1-DISVM的自学习聚类模型。最后对其进行仿真验证,并应用于直升机齿轮箱的故障诊断,结果表明该方法能从少量样本中自学习输入模式的内在规律,自适应地对未知故障模式进行准确地分类识别。     

上游转子对下游静子叶片气动力的影响

为了研究轴流压气机上游转子对下游静子干扰产生的叶片非定常气动力的大小和频率的变化规律,采用在静子叶片表面埋设微型动态压力传感器的方法,在一台低速单级轴流压气机实验器上进行了静子叶片表面压力的测量。测量覆盖了不同轴向间距、不同转速下从近堵塞到近失速的宽广范围,并对实验测量得到的静子叶片非定常气动力进行离散傅里叶变换,以分析其频谱特性。通过对实验结果的分析,初步认识了流量、轴向间距及转速等因素对轴流压气机转/静干扰影响的规律。     

用不同化学反应模型对煤油超声速燃烧的数值分析

采用单步不可逆有限速率化学反应模型,同时结合离散液滴模型、概率密度函数紊流燃烧模型的混合分数平衡化学反应模型,对煤油在双模态燃烧室内的燃烧进行了数值分析。通过比较数值计算结果与实验结果,说明计算所采用的模型是有效的。在给定的计算条件下,与单步不可逆有限速率化学反应模型相比,结合了离散液滴模型的混合分数化学反应模型更能准确地预测煤油在双模态燃烧室内的喷雾燃烧,并且集燃料喷射、混合及火焰稳定为一体的凹槽火焰稳定器增强了燃料的混合和燃烧,使燃烧效率在燃烧室出口达0.880 6。      

SH波对结构表面上含有多个半圆形介质夹杂的散射

利用复变函数和多极坐标系的方法,研究了在结构表面上含有多个半圆形介质夹杂的散射问题,首先给出 SH波对多个半圆形介质夹杂的散射波函数,并利用多极坐标系的方法,来满足介质界面上的连续条件和表面上的边界条件,归结为对一组无穷代数方程组的求解,简化了问题的求解。作为算例,对结构水平面上含有 2个半圆形夹杂介质进行分析,并讨论了夹杂介质参数的变化及孔距对位移的影响。     

环形回流燃烧室两相反应流场的数值研究

本文在任意曲线坐标系下,采用区域数据即时传递法,对包括冷却通道在内的整个环形回流燃烧室的三维两相反应流进行了数值模拟。气相采用Euler方法处理,并采用标准k-ε双方程紊流模型,EBU-Arrhenius紊流燃烧模型,六通量热辐射模型,液相采用Lagrange法处理。在非交错网格体系下,气相用SIMPLE法求解,液相采用颗粒群轨道模型,并用PSIC算法对其进行数值求解。      

基于几何不变性和BP网络的二维目标识别算法

提出了一种基于几何不变性和BP网络的二维目标识别算法.该算法不仅能适应目标物体在旋转、缩放和平移变换(RST变换)下的不变性识别,而且能适应仿射及射影变换下的不变性识别.算法通过对目标物体边缘点进行规格化和对规格化后的边缘点进行5点不变量穷举计算解决了模型图像与目标图像的对应点选取问题;通过将不同观测方位和不同旋转角度的样本图像边缘点的5点不变量集合作为输入向量对BP网络进行训练解决了由于仿射和射影变换造成规格化边缘点间距变化对正确分类的影响.算法不仅能识别多边形而且能识别曲线轮廓的目标物体.      

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。