基于神经网络的维修保障流程影响度分析方法

针对维修保障能力的主要影响因素分析及其影响度的量化问题,以维修保障业务流程作为分析对象,通过建立业务流程参数与装备使用能力的关系函数,建立影响因素和影响度的分析方法,并给出影响程度、关键要素、关键影响要素以及综合影响度定义.以流程数量、效率和稳定性作为分析指标,利用MATLAB软件基于神经网络实现对关系函数的逼近求解,为装备制造企业提供确定关键流程和主要影响因素的系统实现.以某航空装备制造企业维修保障业务流程为例给出具体应用,与专家评价方法相比该方法可获得更为客观的分析结果.      

基于闭环解析解的可重复使用运载器轨迹在线生成方法

The relationships between path constraints such as heating rate, dynamic pressure and aerodynamic load and velocity during entry flight are analyzed in  r-V  plane for an entry vehicle with mediate high lift to drag ratio. Through derivation and integration, a unified formula for path constraints is obtained in  r-V  plane. Based on the unified formula and several characteristics an analytical solution is obtained,and an online trajectory generation method is developed. In the method, the coupled longitudinal and lateral motion is considered, and can make the best use of flight capability and satisfy path constraints. Trajectory generation cases with different flight mission and downranges are tested. Simulation results demonstrate the capability and efficiency of the trajectory planning method in dealing with path constraints.     

套筒式张线天平的研制

根据民机张线测力试验的特殊要求,研制了一台套筒结构形式的张线天平.详细介绍了该天平在研制中遇到的难点、关键技术的解决措施以及研制的结果.天平元件布置在φ58mm的外套筒上,内杆直径为φ44mm,外套筒和内杆通过楔块焊接在一起.法向力、俯仰力矩和滚转力矩为拉压变形,横向力和偏航力矩为“S”形变形,轴向力为弯曲变形,元件支撑部分受拉压变形且刚度较强.通过对天平进行有限元分析,在法向力和俯仰力矩作用下,得出的应变结果与实际输出基本吻合.风洞试验结果表明:天平设计合理,天平外套筒、内杆及张线支撑系统刚度好,天平各分量测量精度高.     

基于AHP的航空装备技术保障质量影响因素分析

围绕航空装备技术保障质量控制,深入分析了航空装备技术保障质量控制的内涵,构建了航空装备技术保障质量控制过程模型,阐述了影响航空装备技术保障质量的各种因素,并在调研和统计分析的基础上,应用层次分析法给出了影口向航空装备技术保障质量的因果图。     

飞机维修保障远程技术支援系统建设方案初探

现阶段部队外场新换装飞机使用维修保障支持难度大、外场服务保障能力有限等问题日益凸显。依托信息化技术的发展,建立飞机维修保障远程技术支援系统,是解决上述问题的有效途径。本文从飞机维修保障远程技术支援系统组成及功能、系统构成及关键技术和系统工作流程三方面对系统建设方案进行了初步探索。     

高速风洞试验中运输机支撑形式的选择

合理选择模型的支撑形式和解决支架干扰问题是准确获取气动力数据的关键因素。为了寻找一种合适的运输类飞机在高速风洞试验中的支撑形式,首先通过计算分析和试验验证,给出了运输类飞机高速风洞试验中30°尾支撑支架干扰问题存在的原因,然后根据0°、5°、15°以及30°不同尾支撑形式的计算分析和专项试验论证结果,提出并验证了小角度尾支撑是现阶段运输类飞机高速风洞试验中最合理、最有效的支撑形式。     

Modified energy cascade model adapted for a multicrop Lunar greenhouse prototype

Models are required to accurately predict mass and energy balances in a bioregenerative life support system. A modified energy cascade model was used to predict outputs of a multi-crop (tomatoes, potatoes, lettuce and strawberries) Lunar greenhouse prototype. The model performance was evaluated against measured data obtained from several system closure experiments. The model predictions corresponded well to those obtained from experimental measurements for the overall system closure test period (five months), especially for biomass produced (0.7% underestimated), water consumption (0.3% overestimated) and condensate production (0.5% overestimated). However, the model was less accurate when the results were compared with data obtained from a shorter experimental time period, with 31%, 48% and 51% error for biomass uptake, water consumption, and condensate production, respectively, which were obtained under more complex crop production patterns (e.g. tall tomato plants covering part of the lettuce production zones). These results, together with a model sensitivity analysis highlighted the necessity of periodic characterization of the environmental parameters (e.g. light levels, air leakage) in the Lunar greenhouse.     

基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制

 基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0~5 km、前飞速度0~75 m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。     

大飞机布局模型跨声速风洞实验尾支撑干扰研究

对某大飞机布局风洞实验尾支撑干扰开展了数值模拟和实验研究,发展的数值方法计算结果与风洞实验结果有很好的一致性。对于类似构型的飞机,在迎角-2°～6°范围,可认为尾支撑干扰量随迎角呈线性变化,采用前位叶片支撑作为辅助支撑带来的二次干扰量可以忽略,新型双天平辅助支撑系统试验进一步验证了这一结果;尾支撑对机身、尾翼、机翼等部件的绕流都有影响,干扰量随构型而变,对阻力、力矩影响较大,且随Ma数变化,因此不同构型实验数据需要单独修正。所发展的带风洞支撑系统的数值模拟软件能够满足工程应用要求,可用于支撑干扰修正研究以及风洞实验支撑系统优化设计。     

基于SVM辨识的涡扇发动机全包线稳态控制方法

针对涡扇发动机全飞行包线范围稳态最优控制器的设计问题,首先根据不同飞行条件下发动机各工作状态的稳态“小偏差”线性模型,采用线性二次型调节器(LQR)分别设计得到相应的发动机最优线性控制器参数,然后将所得到的线性控制器用支持向量机方法进行非线性逼近,得到控制器参数的支持向量机辨识模型,以满足发动机全包线、全状态稳态控制的需要.支持向量机模型的输入为飞行高度、马赫数和稳态转速,输出为线性控制器参数.应用实例表明:该方法在全包线范围内对发动机最优稳态控制器的逼近误差均在2%以内,能较好满足控制精度要求.