飞机自动配电系统建模仿真研究

飞机配电系统的自动化是现代飞机供电系统发展的重要方向。针对目前对飞机自动配电系统建模仿真研究较少的现状,本文建立了完整的飞机自动配电系统仿真模型并进行了仿真研究。以中国国家军用标准(以下简称国军标)飞机供电特性为依据,建立了飞机配电系统中各主要部件以及故障产生模块的数字模型,推导了各部件控制信号的逻辑关系,提出了一种锁定关断控制信号的建模新方法。将所建模型应用于某新型飞机的配电系统中进行仿真,通过对过压、欠压两种故障情况下仿真与实验结果的对比,证明了所建模型能很好实现非正常状态下的保护功能。将所建立的模型略做修改,即可移植到其他飞机配电系统中,可见模型通用性强。     

直升机吊挂及吊挂物抛放过程建模与分析

建立带吊挂载荷的直升机飞行动力学模型。为计算从悬停转入前飞过程中的过渡飞行段尾迹的畸变和气动干扰特性，旋翼尾迹模型采用非定常有限状态入流理论并添加了尾迹畸变模型；建立了六自由度吊挂体模型，包括多段柔性钢索模型、箱体运动模型以及简化的圆柱形箱体气动力模型等；箱体内弹药发射和抛放过程计入了后座力模型对箱体的反作用。模型程序能模拟弹丸瞬间抛放／发射的过程对直升机操稳特性的影响，并实时记录弹体、箱体和直升机的各项运动参数。     

某型机翼内翼结构几何优化设计

某型机翼内翼结构布局优化模型,包括两类设计变量:位置变量和尺寸变量。本文利用PCL语言实现了在MSC.PATRAN环境下的参数化建模,以最小重量为目标函数,在强度和位移约束条件下,利用网格法进行位置寻优,并使用MSC.NASTRAN软件给出了最优尺寸变量。通过计算表明,本方法效率较高,结构重量稳定下降,优化效果明显。可以解决此类工程问题,具有一定的实用价值。     

绝缘子清扫机器人的动力学建模及轨迹优化

研究了支柱型绝缘子带电清扫机器人伸缩臂运动引起升降臂振动的问题，将升降臂和伸缩臂分别建模为柔性臂和刚性臂，形成末端具有移动刚体的柔性臂系统，在假设模态法的基础上建立了系统的Lagrange动力学模型，建模考虑了大多数柔性臂模型忽略的重力和非线性耦合的影响，分析了伸缩臂全局运动与升降臂局部振动的相互影响。提出一种单变量优化方法，以升降臂的残余变形能为性能指标，优化伸缩臂的运动轨迹，降低升降臂的残余振动。应用该方法对梯形速度曲线进行了优化，结果表明可以有效地控制升降臂的残余振动。该方法计算量小，便于在线实现。     

基于BP网络的热工过程模型辨识方法

主要研究了人工神经网络在辨识火电厂热工过程模型中的应用，利用Visual C^ 语言构造BP神经网络,提出了把BP网络权值转换为传递函数的方法，针对火电厂常见的热工过程，不用人为加入特殊的激励信号，只利用现场生产中自然存在的扰动信号进行辨识试验，试验结果准确可靠。     

基于参数化模型和遗传算法的复合材料加筋壁板结构选型优化研究

针对复合材料加筋壁板的结构优化选型问题,采用辅助层压板和添加极小弹性模量材料的复合材料加筋壁板有限元建模方法,应用PATRAN/NASTRAN的参数化建模功能和遗传算法相结合的复合材料加筋壁板的优化方法,对5种复合材料结构形式进行了从2000N/mm到6000N/mm压缩载荷下的结构优化分析。结果表明,当载荷小于4500N/mm时,最有效的加筋壁板结构型式为J型;当压缩载荷大于4500N/mm时,最有效的加筋壁板结构型式为I型。     

旋转弹气动力建模与飞行轨迹仿真

运用一种自回归滑动平均(ARMA)的时域气动力建模方法,以计算流体力学与刚体动力学(CFD/RBD)耦合仿真的输出结果为样本,对旋转弹的非定常气动力进行建模。利用建立的气动力模型与刚体动力学方程求解模块耦合,实现了旋转弹轨迹的快速仿真,并讨论了不同的建模方式对仿真精度的影响。算例结果表明:采用气动力模型与刚体动力学方程耦合仿真技术可以在不同初始发射条件下进行旋转弹飞行姿态与运动轨迹预测,且与CFD/RBD仿真结果吻合较好,证明ARMA气动力建模方法可以在保证旋转弹轨迹预测精度的同时大幅缩短仿真时间,节省计算资源。     

AADL在航天器控制系统设计中的应用研究

以某型号航天器为例提出了一种使用体系结构分析和设计语言(AADL,architecture analysis & design language)分层次建模的方法,建立控制系统软件及软件与硬件之间的交互模型.采用状态自动机方式描述串口通信协议,以便分析模型.     

数字化技术在叶轮研制中的应用

本文通过分析归纳建立了一种叶轮数字化建模方法，并利用该方法成功实现了某型叶轮三维模型创建，同时也根据该数字化模型实现了模具数字化设计及其数控加工。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.