多级轴流压气机彻体力模型——三维应用

利用基于彻体力模型建立的时间推进三维计算模型,获得了某单级跨声速压气机在周向总压进气畸变下的总体特性及流场分布,并与相关试验数据进行对比,以验证该模型的准确性及可靠性。随后利用该模型详细分析了进口分别存在周向总压进气畸变及对涡旋流畸变下某四级低速轴流压气机内部流场特征。单级跨声速压气机总体特性的计算结果与相关试验数据的相对误差不超过2%,且内部流场参数的分布特征也与试验结果相吻合。四级低速轴流压气机的计算结果反映周向总压进气畸变导致压气机气动性能及稳定性恶化,对涡旋流进气畸变则影响有限。同时揭示了不同形式的进气畸变在多级轴流压气机内部的传递过程,充分说明该模型在进气畸变这类工程问题中的广泛应用前景。      

基于重构系统的永磁交流伺服系统在线转动惯量辨识

为了使伺服系统在负载变动下得到优良的动态响应,提出了一种基于实际电机控制系统输入输出构建的非线性可调重构模型,对实际系统进行重构,并根据收敛之后的重构模型参数,完成电机关键机械参数的准确辨识。其中,全维观测器用来获得电机负载转矩状态观测量,与输入电磁转矩一同作为所构建的自适应机构的输入参数;当可调重构系统的输出与实际系统的输出为无差收敛时,实现对实际系统的重构。仿真和试验验证了该方法的可行性和有效性,能够对模型中预设的不同转动惯量进行准确的辨识。     

感应电动机磁链观测与参数在线辨识方法研究

针对感应电动机在矢量控制过程中存在的转子磁链定向不准确的问题,解释了磁链观测误差的原因,重点研究了电机参数的在线辨识方法。提出了基于模型参考自适应系统的感应电动机磁链观测与参数在线辨识方法。基于波波夫超稳定性定理,设计了转子时间常数与励磁互感的双参数自适应律。该方法以电压模型磁链观测器作为参考模型,在线辨识出电流模型磁链观测器所需的参数,使磁链观测结果具有收敛性和鲁棒性,从而避免了电机参数测量不准确与容易变化对磁链定向造成的不良影响。仿真结果表明该方法具有实时性与可行性。     

基于相似原理的风车状态进口空气流量和内阻力估算方法

风车状态进口流量和内阻力是试飞安全评估中必须获取的重要信息。为评估燃烧室空中复燃能力和风车状态下飞机阻力,在1维管流理论基础上,结合流量连续原理,介绍了1种通过直接测量尾喷管出口马赫数、间接获取空气流量和内阻力的测量方案,并根据相似原理,将其推广应用至不同几何的发动机,发展了1种不依赖发动机部件特性,且适用于不同几何结构的涡喷/涡扇发动机通用的风车状态空气流量和内阻力估算方法。最后以GE公司的CF34-10A发动机为例,对其风车状态下的进口空气流量和内阻力进行了估算,估算结果与GE公司提供的风车状态数据吻合,满足工程需求。该方法对多发飞机起飞、爬升、着陆以及巡航阶段单发失效时的飞机阻力性能估算和风车起动研究具有重要意义。     

识别信号对尾流激励的叶片气动力Volterra 降阶模型的影响

针对涉及动、静叶干涉的叶片气动弹性振动问题,基于Volterra级数方法,建立了尾流激励的叶片气动力降阶模型,分析了稳态条件和识别信号幅值对气动力降阶模型辨识精度的影响。结果表明:所建立的气动力降阶模型能够正确表征尾流对叶片的激励作用,不同流场稳态条件和阶跃信号幅值下气动力降阶模型的结果基本相同。     

基于模拟退火的改进粒子群算法研究及应用

为加快粒子群算法效率,跳出局部最优陷阱,得到高精度最优解,文章提出了基于模拟退火的带收缩因子的粒子群混合算法(SACPSO)。首先,对混合优化算法进行了分析;然后,对混合算法进行函数数值仿真;最后,将SACPSO算法应用于PID参数整定问题。结果表明,改进粒子群算法的稳定性和搜索精度有了明显提高,收敛速度明显加快;在PID参数整定应用上,同传统方法相比,系统稳定,收敛性能好。     

基于双模式驱动的飞行汽车起飞阶段动力匹配分析

针对折叠翼飞行汽车起飞阶段的动力匹配问题,研究了基本的动力控制策略,通过理论计算分析了起飞阶段双模式驱动特性,提出了最佳切换时刻的概念。对某型飞行汽车传动系统进行了动力匹配计算,并以该飞行汽车参数为基础,在Simulink中建立了不同工况下的行驶仿真模型,对起飞阶段行驶状态进行了仿真分析,给出了基于双模式驱动的动力匹配方案以及最佳切换时刻的选取原则。计算结果表明,通过采取双模式驱动,起飞加速时间缩短22%,起飞滑跑距离缩短13%。进一步对传动系统参数、整车设计参数以及发动机输出特性进行了优化分析,分析计算结果给出了各参数变化对起飞动力性能的影响。      

面向装备RUL预测的平行仿真技术

装备平行仿真是系统建模与仿真领域的新兴仿真技术,已经成为研究热点。在装备维修保障领域中,分析了装备剩余寿命（RUL）预测存在的突出问题,即模型参数固定、不具备自适应演化能力,成为阻碍实现装备剩余寿命自适应预测的首要因素。结合装备平行仿真理论,在建模分析的基础上提出了面向装备剩余寿命预测的平行仿真框架,该框架以Wiener状态空间模型为基础仿真模型,在动态注入的装备退化观测数据驱动下,利用期望最大化（EM）算法在线更新模型参数,并利用卡尔曼滤波（KF）算法实现仿真输出数据与观测数据的同化（DA）,从而实现仿真模型动态演化,使得仿真输出不断逼近装备真实退化状态,为准确预测剩余寿命提供高逼真度仿真模型和数据输出。以某轴承性能退化数据为数据驱动源,对该框架进行了验证,仿真结果表明平行仿真方法能准确仿真装备性能退化过程,在提高预测精度的基础上实现了装备剩余寿命的自适应预测,有力证明了平行仿真方法的可行性和有效性。