碳纤维表面状态对C/C复合材料性能影响的研究

用两种经高温处理的碳纤维织物,以酚醛树脂作为基体先驱体,制备了二维C／C复合材料。通过扫描电镜（SEM）,X－射线光电子能谱（XPS）研究了两种碳纤维（TCF和JCF）的表面状态,测试了C／C复合材料（TCC和JCC）的层间剪切强度,拉伸性能,SEM观察表明,TCF及JCF表面都有沟槽,但TCF横断面呈腰子形非圆形,XPS分析表明TCF表面含氧官能团数量多,力学测试结果为：TCC层间剪切强度（ILSS）高于JCC,达到16．1MPa;TCC拉伸强度,模量均高于JCC,而JCC断裂延伸率达1．1％,是TCC的3倍,拉伸断口SEM分析表明,TCC断口平整,无纤维拔出,呈脆断,JCC断口有纤维拨出,是纤维控制的多层基体断裂。     

基于AE-BN的发电机滚动轴承故障诊断

为解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题，提出了一种基于自动编码器(AE)与贝叶斯网络(BN)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取，得到能够高度表征信号的特征分量；基于故障与特征之间的因果关系，建立由故障位置、故障状态和故障特征搭建的三层BN；将AE的特征分量与BN的拓扑结构相结合建立风力发电机故障诊断模型，解决故障诊断中的不确定性问题，提高多故障诊断的准确性。实验结果表明：所提方法能够对故障特征信号进行分析及诊断，精确辨识不同故障类型，相比K近邻算法等具有明显优势。     

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

铝锂合金曲面件超低温成形工艺

针对铝锂合金室温成形性差和热成形性能弱化的难题,利用发现的超低温下伸长率与硬化指数同时提高的双增效应,提出铝锂合金曲面件超低温成形新工艺。通过2195铝锂合金板材在不同温度和热处理状态下的超低温变形行为研究,确定发生双增效应的临界温度为低于-140℃,伸长率可提高至40%以上、硬化指数达到0.44;利用建立的超低温成形工艺实验装置,首次试制出直径200 mm的2195铝锂合金球底曲面件,深径比达到0.55、成形极限提高104%;阐明超低温成形试件壁厚分布规律与回弹规律,最大减薄率为10.3%。     

涡扇发动机涡轮和机匣碰摩故障飞行试验研究

受装机空间限制,小涵道比涡扇发动机通常仅采用发动机振动值表征发动机的振动情况,无法准确对异常振动进行定位分析和排除。针对某台涡扇发动机在试飞中出现的发动机振动值异常现象,利用机载加装的应变片和振动传感器的测量数据,对故障现象进行了详细分析。结果表明:涡轮和机匣的碰摩导致发动机发动机振动值异常增大。总结了该型涡扇发动机涡轮和机匣碰摩中发动机振动值的发展趋势的特征,为迅速、准确定位后续飞行试验中的同类故障提供借鉴。