基于样条曲线的压气机特性内插算法研究

针对压气机特性曲线中未知转速数据难以精确计算问题,提出了基于样条曲线的内插算法。在分析压气机性能曲线特点基础上,通过制作压比/效率-流量、流量-转速2组辅助线,并使用样条曲线对其进行拟合,基于拟合结果计算测试转速下的特性数据,进而完成了对某型压气机压比/效率特性的内插计算。结果表明:基于样条曲线的内插算法比RBF神经网络算法准确性更高,并具有良好的工程应用价值。     

微型涡轮喷气发动机风车起动特性研究

为研究微小型涡轮喷气发动机风车起动的特性,以某微型涡轮喷气发动机为原型,通过数值模拟和试验研究相结合的方法,研究了其风车起动过程的各种特性。通过试验研究了丙烷气点火时间和丙烷气压对微型涡喷发动机转速以及燃烧室温度的影响规律,以在最短时间内使得微型涡喷发动机转速和燃烧室温度满足可供油燃烧的条件,并确定所需要的丙烷气最小气量。结果表明：在本试验条件下发动机从起动到慢车状态过程中,以先快后慢的供油规律起动加速时间最短约为82 s;发动机从慢车到80%全转速状态过程中,实现相对最短加速时间的供油规律可分为2段,前段供油斜率较大为0.79,后段供油斜率较小为0.14。对其它结构形式和起动过程类似的微小型涡轮喷气发动机有一定借鉴作用。     

一种基于FFT的GPS信号快捕算法

提出了一种利用1024点的FFT模块来实现快速捕获GPS卫星信号的具体实现方法;并利用这种快速捕获方法,对真实采集的GPS信号进行捕获,验证了该方法的可行性。在硬件中采用这种方法,可以利用较少的硬件资源来对GPS信号实现快速捕获。     

基于扭矩特性的航空发动机起动系统数学模型

简述了起动过程,分析了起动过程中起动扭矩与发动机扭矩及其负载扭矩特性间的关系,给出了起动机的选择原则,从而建立了基于起动机扭矩及发动机扭矩特性的发动机起动系统数学模型,并给出起动时间的计算方法。最后以典型发动机起动系统作为仿真实例验证了此方法的可行性。      

航空发动机全权限数控系统研究和试飞验证

以某型发动机为控制对象,研究航空发动机全权限数字电子控制系统(FADEC)。对数控系统的总体结构、控制规律、故障诊断及余度设计、电子控制器、液压机械装置、控制软件开发等关键技术分别进行了讨论。通过试飞,验证了该数控系统功能和性能及其关键技术。试飞结果表明,使用全权限数字电子控制系统取代传统的液压机械调节器不仅扩展了发动机控制系统的控制功能,同时也更有效地发挥了航空发动机的性能,改善了发动机的操纵性、维护性和可靠性。      

某型涡扇发动机分布式容错控制系统设计与试验验证

为了提高某型涡扇发动机控制系统的安全性和可靠性,提出1种分布式架构下的容错控制方案。基于模块级硬件冗余的思想,设计了包含7个智能节点的基于TTP/C(时间触发协议)总线的发动机分布式容错控制系统,可以实现核心控制节点的硬件备份。基于控制律重构的方法,采用模型参考变结构控制算法设计了容错控制器,可以根据系统故障情况将控制结构切换至无故障的控制回路中。搭建了涡扇发动机分布式容错控制系统硬件在环仿真试验环境,开展了容错控制系统的试验验证。结果表明:在核心控制节点故障时,容错控制系统可以在120 ms内快速启用热备份节点代替故障节点;在非核心控制节点故障时,容错控制系统可以在100 ms内完成控制回路的切换,并保证发动机各状态量不产生明显波动。     

液压直角管路压力波动特性计算与试验对比研究

为了探索液压直角管路内部的瞬态流动特征,熟悉压力波动特性的形成机理,采用大涡模拟方法对某型活门出口处1段直角管路进行数值模拟,捕捉局部涡旋结构的动态特性,并与粒子图像测速和激光多普勒测速试验结果进行对比。结果表明:大涡模拟方法能精确模拟直角管路内部的瞬态速度场,与试验结果吻合较好;在直角拐弯处存在明显的涡旋脱落现象,同时伴随着涡旋诱导的局部低压区域尺度与位置变化,从而导致压力波动问题的产生。     

一种机载雷达机械扫描空域稳定改进算法

机载雷达在载机机动时,为保证天线视线空域指向范围不变,采用空域稳定的算法。当给定的方位和俯仰指令不在同一坐标系时,采用传统的算法会使得实际的空域与理想空域在载机机动幅度较大时有很大误差。文章提出一种算法,使得雷达扫描中心精度与期望值十分接近。同时,对于坐标转换中方位和俯仰的指令间覃相影响引起的俯仰指向精度降低问题,提出...     

基于卡尔曼滤波器和遗传算法的航空发动机性能诊断

以某型涡扇发动机为研究对象,构建了基于卡尔曼滤波器和遗传算法的航空发动机性能诊断方法。卡尔曼滤波器根据发动机可测参数偏离额定特性时的变化量,对发动机性能参数进行了估计。当传感器存在测量偏差时,会使滤波器估计结果偏离真实情况。遗传算法以机载模型输出与发动机测量参数之间的误差最小为目标,通过优化计算,找出存在测量偏差的传感器,确定其偏差,并最终消除测量偏差对性能诊断的影响。     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。