直升机动力舱冷却系统冷却孔进气优化设计

对某型民用直升机动力舱冷却系统冷却孔的进气性能开展优化研究,参考飞机辅助动力单元(Applicant power unit,APU)进气系统形式设计了两类收风装置。采用数值仿真手段,对比分析在多个速度的前飞状态和不同爬升率的爬升状态下3处冷却孔的进气性能。结果显示基于Scoop型设计的收风装置在直升机大速度前飞状态收风效果最好,但在小速度前飞状态进气性能没有得到改善。基于Flush型设计的收风装置同样具有改善进气性能的作用,其最显著优点是在所有飞行状态均保证较高的冷却进气量。为后续的优化设计研究工作指明了方向。     

主动航天服关节助力外骨骼结构设计及优化

为克服航天服关节阻尼力矩对宇航员未来太空作业、星表探测以及骨骼肌能恢复训练的影响，设计一种可应用于航天服的关节助力外骨骼方案。首先，结合航天服结构分析，研制了第一代关节助力外骨骼样机。其次，根据使用反馈对第一代外骨骼样机进行结构优化，初步确定第二代外骨骼样机的设计模型，利用有限元软件对负重状态下外骨骼样机进行静力学分析及模态分析。最后，进一步优化第二代外骨骼样机的结构尺寸，优化后的整体质量相较于优化前第二代及第一代样机分别下降了19.34%和40.03%，验证了外骨骼样机结构优化方案的可行性。研究结果为主动航天服结构动力学分析和控制系统开发提供理论依据。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题，提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征，构建高维故障特征集；采用ISSL-Isomap方法对高维故障特征集进行维数约简，提取出低维、敏感故障特征；应用GWO -SVM分类器对低维故障特征进行模式识别，判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比，ACMPE方法在分类效果和识别精度上更具优势；与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较，ISSL-Isomap方法降维效果最佳；所提方法的故障识别率达到100%，具有一定优越性。      

超声速涡轮叶型全局气动优化设计

针对涡轮叶型全局优化设计计算时间长、样本空间大等难点提出一种可行的优化设计方法,该方法将控制叶型的17个参数作为优化变量,采用第二代多目标遗传算法进行全局自动寻优。基于此方法,搭建了涡轮叶型全局优化设计平台。利用此平台,分别采用轴向稠度固定和自由优化两种方式对超声速涡轮叶型进行了优化设计。数值计算结果表明,两组优化设计叶型在设计工况下总压损失系数比参考叶型分别低19.5%和10.0%,流道中的激波强度更弱,且在变工况条件下都具有较好的气动性能。深入分析流场与激波结构后发现,外尾激波相比于内尾激波对总损失的影响更大,通过减小气流膨胀转折角或内尾激波气流转折角能够有效削弱外尾激波强度。     

基于粒子群优化算法的永磁电机热网络参数识别

监测永磁电机的永磁体温度对于保证电机的使用寿命至关重要,因为过高的温度会产生永磁体不可逆失磁现象。提出了一种基于粒子群优化算法的永磁电机热网络参数识别方法,实现用热网络监测永磁体的温度。该方法首先建立永磁电机的热网络模型,利用粒子群优化算法结合电机温升试验所得温度数据对热网络模型的主要热力参数进行识别；然后利用该热网络模型进行在线温度识别,识别过程能够快速收敛,具备良好的辨识精度；最后,通过对比仿真识别温度和电机温升试验数据,验证了该方法的准确性。