详细化学反应机理对预混丙烷钝体熄火模拟影响

航空发动机熄火预测是重要关键问题之一，湍流和化学反应的非线性相互作用使预测非常困难。本文采用大涡模拟（LES）对湍流进行高精度模拟，采用概率密度函数输运方程湍流燃烧模型（TPDF）耦合JL4、Z66和H73三种化学反应机理，对预混丙烷钝体熄火现象和规律进行研究。JL4的反应机理最简单，反应释热快，局部放热高，火焰宽度大，火焰两侧温度梯度大，燃烧更加趋于稳定，无法模拟出熄火状态。H73机理绝热火焰温度低，火焰温度低，回流区中部OH含量高；在近熄火状态，大量CO被氧化，释放热量过高导致无法模拟出熄火现象。Z66机理可以模拟出火焰正常状态，在低当量比下也可以模拟出熄火状态。本文算例中，局部Da数大于1的区域超过35%则会发生熄火。     

复杂动态环境下无人飞行器动态避障近似最优轨迹规划

针对复杂动态环境下无人飞行器的动态障碍规避问题，基于合理假设建立了无人飞行器和动态障碍的运动学模型，并综合考虑无人飞行器飞行过程中的终端约束、控制输入约束、安全避障约束等，以能量最少为性能指标构建动态避障问题数学描述。之后，针对终端约束和控制输入约束，依据优化模型预测静态规划算法(OMPSP)生成初始轨迹；针对动态避障问题的不等式约束，引入松弛变量并结合滑模变结构控制方法设计松弛变量动力学，实现对一个、多个或同时多个动态障碍的安全规避；最后，依据有限时间微分动态规划(RHDDP)算法进行轨迹优化，获得满足上述各种约束并能规避动态障碍的近似最优轨迹。     

Semi-supervised gear fault diagnosis using raw vibration signal based on deep learning

In aerospace industry, gears are the most common parts of a mechanical transmission system. Gear pitting faults could cause the transmission system to crash and give rise to safety disaster. It is always a challenging problem to diagnose the gear pitting condition directly through the raw signal of vibration. In this paper, a novel method named augmented deep sparse autoencoder (ADSAE) is proposed. The method can be used to diagnose the gear pitting fault with relatively few raw vibration signal data. This method is mainly based on the theory of pitting fault diagnosis and creatively combines with both data augmentation ideology and the deep sparse autoencoder algorithm for the fault diagnosis of gear wear. The effectiveness of the proposed method is validated by experiments of six types of gear pitting conditions. The results show that the ADSAE method can effectively increase the network generalization ability and robustness with very high accuracy. This method can effectively diagnose different gear pitting conditions and show the obvious trend according to the severity of gear wear faults. The results obtained by the ADSAE method proposed in this paper are compared with those obtained by other common deep learning methods. This paper provides an important insight into the field of gear fault diagnosis based on deep learning and has a potential practical application value.     

Multi-faults diagnosis of rolling bearings via adaptive customization of flexible analytical wavelet bases

Multi-faults detection is a challenge for rolling bearings due to the mode mixture and coupling of multiple fault features, as well as its easy burying in the complex, non-stationary structural vibrations and strong background noises. In this paper, a method based on the flexible analytical wavelet transform (FAWT) possessing fractional scaling and translation factors is proposed to identify multiple faults occurred in different components of rolling bearings. During the route of the proposed method, the proper FAWT bases are constructed via genetic optimization algorithm (GA) based on maximizing the spectral correlated kurtosis (SCK) which is firstly presented and proved to be efficient and effective in indicating interested fault mode. Via using the customized FAWT bases for each interested fault mode, the original vibration measurements are decomposed into fine frequency subbands, and the sensitive subband which enhances the signal-to-noise ratio (SNR) is selected to exhibit the fault signature on its envelope spectrum. The proposed method is tested via simulated signals, and applied to analyze the experimental vibration measurements from the running roller bearings subjected to outrace, inner-race and roller defects. The analysis results validate the effectiveness of the proposed method in identifying multi-faults occurred in different components of rolling bearings.     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器，采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度。通过状态滤波器和参数滤波器的配合，提升滤波精度，完成运动状态和参数的估计，从而实现合作目标的运动轨迹跟踪。与合作航天器相比，非合作航天器存在大小未知、发生时刻未知的机动，无法获得加速度，且信息获取和运动状态的估计难度大。针对非合作航天器，基于简化的相对运动方程，结合天基平台获得目标的观测信息，采用两个扩展卡尔曼滤波(EKF)及基于半正焦弦的机动检测策略实现多未知脉冲机动的运动状态的估计。仿真结果表明：相比于无迹卡尔曼滤波（UKF），DUKF在对合作航天器的状态和加速度估计方面具有更快的收敛速度和更高的滤波精度；对于存在未知机动的非合作航天器，通过对比验证机动检测策略与滤波器切换策略相结合的方法的有效性，该方法能够检测到多次机动并且减少误判。     

高背压等离子点火器及其液体燃料点火特性实验研究

航天应用的液体火箭发动机及燃烧型加热器燃烧室室压高、燃料流量大、温度低、有重复启动需求，实现安全可靠点火的难度较大。针对这些需求，研究了一种采用高背压设计的电弧等离子体点火器。实验研究了Ar，N₂气体工质在高进气压力下的伏安特性，发现N₂在宽压力范围内适用于点火。发射光谱分析表明，在高达数MPa的进气压力下，Ar，N₂等离子体射流电子密度符合局部热力学平衡判据（LTE判据），点火能量集中。N₂等离子体整体温度低于Ar，但阳极喷口附近温度高于Ar，N₂等离子体射流火焰长，卷吸沿程空气造成射流平均温度偏低，但有助于低温液体推进剂的蒸发混合和强化点火。等离子体射流引起了臭氧和氮氧化物的形成，具有促进点火和化学反应的作用。背压提高引起电源输出电压升高，提高供气压力和电流，有助于点火器在高背压环境中稳定电压。燃烧型空气加热器燃烧室的点火实验发现，采用N₂等离子体喷注面中心点火，可以在短时间内完成酒精-空气和酒精-液氧-空气的点火，最高燃烧室室压接近5MPa时，点火器仍能稳定工作，多次使用电极烧蚀不明显，在液体火箭发动机的重复可靠点火方面具有很好的应用前景。     

星载激光通信终端在轨机动对温度影响

对激光通信终端在轨瞬态温度变化开展了仿真，以期研究在轨机动的影响、热分析和热试验时机动模式的简化模拟。通过合理地分析与简化，建立终端的轨道热分析模型，准确模拟在轨机动，根据典型机动模式、外热流和涂层退化等因素设计了计算工况，得出了终端在轨运行过程中的温度场随时间和姿态变化规律。结果表明：不同机动模式下的温度变化存在差异，最大可达23.0℃，采用固定姿态或一维转动的简化热分析或热试验不能准确模拟实际飞行温度，甚至不能部分替代二维转动热分析或热试验；光学天线和反射镜的温度控制是制约终端工作的瓶颈，为终端设计合适的避光机动策略，可大幅度提高温度稳定度和均匀度。研究结果可以为光机电设备在轨机动策略的设计和改进提供参考。     

轨控大干扰下的系统角动量管理

摘要： 针对利用角动量交换装置系统实现轨控期间姿态维持的情况，研究当轨控推力器存在大力矩扰动时系统角动量管理方法.结合对地运行航天器轨道运动特性，分析轨控干扰力矩的积累角动量变化规律；考虑角动量管理装置系统的角动量存贮容量，基于角动量积累规律提出了一种结合偏置角动量建立与对称分布轨控位置选择的系统角动量管理方法，实现了对称轨控位置积累角动量互相抵消的自平衡效果，极大程度地提高轨控效率且避免系统角动量饱和现象.所提出的方法适用于喷气欠驱动控制系统，方法的有效性通过了数学仿真验证及在轨型号应用.     

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。      

拦截高速目标的比例与反比例导引捕获区分析

针对拦截高速目标的作战特点，分析了比例导引(PN)与反比例导引(RPN)的捕获区。首先，通过分析拦截弹与目标的相对运动关系，推导得到了顺轨和逆轨的零控拦截条件，此条件由目标和拦截弹的速度前置角以及二者速度比确定；其次，以拦截弹和目标速度前置角为坐标系，推导得到了PN以及RPN捕获区以及各自导航比设置范围。PN的捕获区由逆轨零控拦截条件以及与其相切且斜率为1/(N-1)的两条直线构成，RPN的捕获区由顺轨零控拦截条件以及与其相切且斜率为1/(-N-1)的两条直线构成；然后，利用函数对称性将PN与RPN捕获区转换到同一坐标区间，得到了相同条件下RPN捕获区要大于PN捕获区的结论；最后，开展了四种情形下的仿真，验证了本文捕获区分析的合理性及有效性。