激励参数对合成射流控制压气机流动分离的影响

对吸力面施加合成射流激励的高负荷压气机静叶栅展开数值模拟,系统地研究不同激励参数对单缝合成射流改善叶栅气动性能的影响,并探索分段式合成射流控制流动分离的有效性。研究结果表明,单缝合成射流对栅内流动的作用效果主要取决于两个因素:射流切向动量注入带来的气动性能改善与射流输运过程的附加流动损失。单缝合成射流具有较为宽广的有效频率范围,当激励频率等于主流流过叶型的频率且射流满足有效激励动量要求时,对叶栅气动性能的改善效果最佳,总压损失降低约14.26%。分段式合成射流能够较好地适应不同叶高处分离起始点沿轴向变化对最佳流动控制位置的要求,在不增加有效射流面积的前提下可较单缝射流更为有效地控制流动分离,此时的损失降低幅度高达15.84%,从另外一个角度证实了激励位置对于非定常激励的重要性。     

基于遥测数据的无人机气动参数辨识方法研究

针对无人机在高空低速飞行时易受风场影响及在数据分析时遥测数据不完备的问题,进行了气动参数辨识方法研究,提出了基于空速管平面矢量三角形的风场估计方法及基于风场信息修正的气动角估计方法。以某型无人机为例,对遥测数据进行了充分分析与信息综合,运用逐步回归方法进行了纵向气动参数辨识,并进行了实验验证。结果表明,模型计算结果与实测数据吻合较好,说明所提方法有效。考虑到辨识模型的数学本质,该方法对其他固定翼无人机同样适用。     

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.     

超高压比民用发动机部件技术水平初步研究

提高总增压比是下一代民用发动机的重要发展趋势之一,有必要对于这一特征的涡扇发动机进行循环参数的研究。利用已有基于Gasturb平台开发的0维变比热部件级性能计算模型,在发动机安装尺寸给定的前提下,总增压比由40提高至60,分析比较不同构型的直驱风扇方案与齿轮传动方案对部件效率,冷却水平对循环参数优选过程的影响。结果表明:为实现更低耗油率,采用更高设计循环增压比,需要部件效率平均提高1%,冷却水平提高20%,此时性能均优于现有的大涵道比涡扇发动机GTF-11。因此,若技术水平未能达到预期目标,则需匹配合适的增压比才能达到更低的耗油率。     

随机共振锁频环路影响因素

针对随机共振锁频环路影响因素不够明朗的问题,在对随机共振锁频环路仿真验证的基础上,重点对信噪比、采样频率和系统参数对环路性能的影响进行了探究。首先,阐述了随机共振锁频环路基本原理,搭建了随机共振锁频环路模拟仿真平台。其次,通过设定不同的信噪比、采样频率和系统参数条件,观察随机共振锁频环路性能变化。最后,总结归纳出各条件对随机共振锁频环路的影响。仿真结果表明,信噪比越低,随机共振锁频环路对信号跟踪性能越差,且最低能够处理信噪比为Eb/N0=1dB的信号。采样频率在高于信号频率50倍时,提高采样频率虽可提高计算精度,但对环路跟踪性能改善作用不大。系统参数是决定随机共振效应能否发生及影响共振效果的关键因素,其表现为一个可供选择的数值区间。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

PWM变频器供电的感应电机传热特性

为了探究电动机在脉宽调(Pulse width modulation,PWM)变频器供电下的传热特性,近一步揭示变频参数（调制比）对电动机温升分 布的影响特征,以一台采用PWM变频器供电下55 kW驱动用感应电机为例,基于流体力学及传热学基本原理,结合电机通风结构特征,建立外部包裹有空气域的三维流热耦合求解域模型,并采用有限体积元法对电机内的温度场进行了数值研究。此外,针对PWM不同调制比控制条件下电动机全域内的传热特性进行了对比分析,结果表明：两个不同调制比控制条件下电机求解域 内各主要部件温升分布趋势大致相同;径向上,转子部分温升较高,在气隙位置温升出现阶跃式变化,定子部分温升较低;轴向上,电机各部分近风端温升较低,远风端温升较高;周向上,定子轭部温升呈波浪式变化。     

电传飞机低阶等效系统频域辨识新方法

针对带有复杂电传飞控系统飞机的飞行品质评估难题,提出了采用Chirp-Z方法将时域信号变换至频域,并在此基础上利用频域方程误差法（Equation error method,EEM）和输出误差法（Output error method,OEM）相结合辨识电传飞机低阶等效系统（Low order equivalent system,LOES）参数的新方法,并以低阶等效系统辨识的标准算例（F-14飞机经典算例）进行验算。结果表明本文所提出的低阶等效系统辨识新方法正确、辨识精度高,可以应用于工程实践。     

计算参数对数值修正载荷识别算法的影响

针对在载荷识别计算中经常遇到的累积误差问题,提出了一种在每个时间步长内迭代修正的 载荷识别算法。首先利用拟静态算法得到载荷初值,再使用数值迭代算法对其进行修正计算,仿真结果表明,该修正算法可以有效地减小由于累积误差导致的发散,得到收敛的识别结果。针对上述算法,本文以多输入多输出简支梁为模型,分别分析了区间放大系数、区间分割系数和精确度指标3个计算参数对于识别结果的影响。计算结果显示,参数的选择对算法的效率和精度影响很大,不当的参数甚至可能引起识别结果严重发散,所以选择合适的计算参数对于数值修正算法十分重要。     

粉末床激光成形熔池辐射强度信号的机器学习

粉末床熔融成形（PBF）的过程监测和质量识别是保障其制造质量的关键技术。在监测信号中,熔池辐射强度信号蕴含了丰富的熔池特征信息,但监测信号与材料科学现象的直接联系尚不明确,适合利用机器学习算法开展深入研究。首先,通过设置不同的工艺参数（部分偏离工艺窗口）实施316L不锈钢成形实验,成形过程中采集熔池辐射强度信号。然后,通过数据分割、特征提取和特征选择对信号数据进行预处理,构建了用于机器学习的数据集。最后,使用21种不同的机器学习算法,一是将熔池辐射强度数据按照工艺参数（如激光功率高、中、低）进行分类,经过训练的算法可在实际生产中识别异常（辐射强度异常、代表激光功率和扫描速度偏离最佳状态）;二是将熔池辐射强度数据按最终成形块体的质量（密度、表面粗糙度）进行分类,经过训练的算法可在实际生产中识别质量。结果表明：对于熔池辐射强度的异常识别,二次支持向量机算法的分类效果最好,准确度达到96.4%以上;对于密度和表面粗糙度预测,由于样件质量与数据样本之间的复杂关系,预测结果呈现不同的分布情况,但预测准确度均达96.0%以上。