基于LMD与AO-PNN的中介轴承故障诊断方法

针对航空发动机中介轴承受噪声干扰大、传递路径复杂导致采用传统方法难以进行故障诊断的问题,提出了一种基于局部均值分解（LMD）与相关系数-能量比-峭度准则、结合天鹰座优化算法（AO）优化概率神经网络（PNN）的中介轴承故障诊断方法。使用LMD对传感器采集的振动信号进行分解;利用相关系数-能量比-峭度准则判决筛选分解得到的PF分量,重构筛选后的信号;计算重构信号的多尺度排列熵（MPE）,以构建特征向量;通过AO优化的PNN的平滑因子,将优化后的神经网络用于中介轴承的故障诊断。基于中介轴承故障试验数据对诊断结果进行了分析,结果表明：提出的方法可以有效诊断高背景噪声、复杂路径干扰下的航空发动机中介轴承的典型故障,与粒子群优化的概率神经网络方法（PSO-PNN）和传统的PNN方法相比,其诊断准确率分别提高了3.875%和8.125%,具有较好的全局收敛性和计算鲁棒性。     

高致密弹携式蜂群布局与多体分离方案

为解决蜂群突防能力弱、作战半径小的弱点，加快形成分布式协同作战的平台级能力，提出一种弹携式蜂群无人机作战系统，利用导弹载体内埋搭载多架小型低成本无人机，通过导弹-蜂群多级运载的战术制定，实现蜂群的快速有利部署。采用兼顾总体相容性的气动布局优化设计技术，综合运用布局选型、数值仿真分析及风洞试验验证，完成一种高致密嵌入式的蜂群布局方案设计，依靠对翼面折叠的小型无人机沿集束柱周向布置的内埋措施，可实现单枚导弹搭载80架小型蜂群无人机的运载能力。针对导弹-蜂群高速多体分离的设计难点，采用优化的分离策略设计，基于改进延迟分离涡模拟方法及重叠网格技术进行蜂群多体分离仿真，结果能够满足蜂群无人机的安全分离。最终的设计方案既保证了蜂群多体量饱和式攻击的作战效能，又实现了系统突防能力和续航能力的显著提升，可满足未来强对抗战场的多种作战使用需求。     

面向联结翼总体设计的气动弹性优化

由于前翼和后翼的连接关系，联结翼飞行器气动和结构特性与常规布局飞行器有所不同，相互连接的机翼形成一个复杂的过约束系统，布局参数繁多，多学科设计空间增加，分析困难。为分析不同布局参数对联结翼整体性能的影响，基于工程梁理论，对不同前后翼连接位置、前/后掠角、上/下反角、端板高度、根梢比等参数的联结翼开展气动弹性优化研究，以最小结构质量为目标，在静气动弹性与颤振等条件约束下，通过遗传算法对联结翼梁架结构翼盒剖面参数展开设计，并采用高精度计算流体力学/计算固体力学（CFD/CSD）耦合方法分析优化后的模型升阻特性。通过气动弹性优化，分别得到最佳结构性能和最佳气动性能的联结翼布局参数，结果表明：这种针对联结翼每个重要参数的最优解集可发现联结翼设计的规律，并为设计提供支撑。