航空发动机滑油压力和温度最大影响参数的一种确定方法

以初步确定的试飞中滑油压力和滑油温度影响参数集合为基准输入参数,基于大量试飞数据,采用人工神经网络方法,获得滑油压力模型和滑油温度模型的基准结果。随后,采用不同的基准输入参数子集进行人工神经网络计算,以模型计算结果与试飞结果的最大偏差、偏差分布范围作为判据,与基准结果对比,确定滑油压力和滑油温度的最大影响参数。最后,建立发动机全包线试飞、全工作状态的滑油压力和滑油温度最大影响参数确定方法。该方法对滑油系统的试飞内容规划、状态预判和安全监控等具有重要的指导作用。     

基于BP人工神经网络的离心压气机叶轮多目标优化设计方法

利用Concept NREC软件建立离心压气机叶轮设计样本库,借助BP（back propagation）人工神经网络建立样本库中各设计参数与压气机性能之间的关系,接下来以多目标遗传算法寻找Pareto解,从而获得离心压气机叶轮最佳设计参数.将该方法应用于Krain叶轮设计工况,所得叶轮的效率、压比较Krain叶轮原型分别提高1.4%和10.9%.通过对人工神经网络模型可靠性的讨论、多目标优化模型的主成分分析和所设计叶轮性能的CFD验证,证明了所构建的目标函数与所获得的Pareto解集的合理性,说明本方法可以有效应用于在离心压气机设计、选型.      

基于智能双重响应面法的涡轮叶盘可靠性灵敏度分析

为了合理进行整体叶盘多失效模式可靠性分析和准确描述各影响参数的重要程度,将智能算法与双重响应面方法相结合提出可靠性灵敏度分析的智能双重响应面方法 (Intelligent Dual Response Surface Method,IDRSM)。首先,建立IDRSM的数学模型,给出基于IDRSM的可靠性灵敏度分析的流程。然后,考虑流场和温度场作用,基于IDRSM对整体叶盘径向变形和应力两种失效模式进行可靠性分析和灵敏度分析。可靠性分析显示:当许用径向变形、许用应力的均值和标准差分别取3.8mm和76μm,690MPa和14MPa时,叶盘综合可靠度为0.9926。灵敏度分析显示:整体叶盘综合失效概率的主要影响因素为流速和转速,占叶盘总失效的92%。通过蒙特卡洛法、响应面法、极值响应面法、智能响应面法等四种方法比较显示:IDRSM能在保证计算精度的前提下提高计算效率。实例分析表明该方法在多失效模式综合可靠性灵敏度分析中的可行性和有效性,也为结构多失效模式可靠性优化开辟了有效途径。     

智能CAD／CAM一体化系统研究

提出了一种智能设计制造的一体化方案，建立了面向产品全生命周期的数据结构、知识库和生产环境（设备、刀具、工装、材料等）等支承性数据结构。采用模糊专家系统（ＦＥＳ）、人工神经网络（ＡＮＮ）等人工智能（ＡＩ）新技术，实现了面向对象的ＣＡＤ设计、智能ＣＡＰＰ工艺设计和一体化ＣＡＭ系统。     

基于复合弯掠技术的轴流风机叶轮优化

基于叶轮机械全三维优化设计平台NUMECA/Design 3D,采用人工神经网络和遗传算法相结合的方法,通过复合弯掠技术对一低压轴流风机叶轮空间弯掠积叠线进行三维优化设计。优化目标为在设计工况点保持风机流量不变,尽可能提高气动效率和全压升。结果表明:复合弯掠优化使叶轮设计工况点的效率和全压升分别提升约1.92%和3.98%。复合弯掠优化使叶片负荷重新分布,改善了叶顶和叶根区域的流动,同时抑制了叶轮近吸力面叶根角区的流动分离和减小了叶顶泄漏涡的强度和影响范围,降低了流动损失,提高了叶轮气动性能。     

Numerical analysis and optimization of boundary layer suction on airfoils

Numerical approach of hybrid laminar flow control(HLFC) is investigated for the suction hole with a width between 0.5 mm and 7 mm. The accuracy of Menter and Langtry’s transition model applied for simulating the flow with boundary layer suction is validated. The experiment data are compared with the computational results. The solutions show that this transition model can predict the transition position with suction control accurately. A well designed laminar airfoil is selected in the present research. For suction control with a single hole, the physical mechanism of suction control, including the impact of suction coefficient and the width and position of the suction hole on control results, is analyzed. The single hole simulation results indicate that it is favorable for transition delay and drag reduction to increase the suction coefficient and set the hole position closer to the trailing edge properly. The modified radial basis function(RBF) neural network and the modified differential evolution algorithm are used to optimize the design for suction control with three holes. The design variables are suction coefficient, hole width, hole position and hole spacing. The optimization target is to obtain the minimum drag coefficient. After optimization,the transition delay can be up to 17% and the aerodynamic drag coefficient can decrease by 12.1%.     

轴编C/C复合材料组分材料有效性能

利用光学显微镜观测和测量轴编C/C复合材料细观编织结构及其尺寸,建立轴编C/C复合材料有限元模型,通过给出组分材料有效性能的变化区间,构造组分材料性能与轴编C/C复合材料宏观有效性能的对应关系,利用径向基函数(RBF)人工神经网络(ANN)方法,对该高度非线性的对应关系进行训练,通过轴编C/C复合材料宏观实验结果,预报其组分材料的有效性能。结果表明,轴编C/C复合材料面内弹性性能基本相同,在测量时可忽略面内纤维束铺设方向的影响;人工神经网络对训练样本有一定的依赖性,但通过多次随机构造样本训练网络,可得到理想的预测结果,且人工神经网络方法具有很好的容错性,能很好地预报轴编C/C复合材料组分材料的有效性能。     

带转动部件航天器的RBF神经网络滑模姿态控制

航天器在空间执行任务时必须按照一定的控制指令进行高精度的姿态控制.针对航天器上转动部件的运动会对姿态控制产生干扰的问题,推导了带有转动部件的航天器姿态动力学方程,并根据干扰力矩的特点,采用了一种对干扰具有自适应能力的RBF神经滑模姿态控制方法.仿真结果表明,该方法能有效克服转动部件运动产生的干扰,所设计的控制器有很好的控制性能和鲁棒性能.     

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。