一种用于深空探测的Chirp变换频谱分析仪设计与实现

根据深空探测对频谱分析仪抗辐射、高分辨率、低功耗的需求，研究一种基于Chirp变换的高分辨率频谱分析仪设计及其实现.利用中心频率为1GHz、带宽为400MHz、色散时间为10μs的声表面波滤波器，提出了一种模拟和数字相结合的高分辨率频谱分析仪设计方案，并搭建原理实验系统完成了实测验证，其分析带宽为400MHz，频率分辨率达到152kHz，功耗约为3.6W.分析了压缩线器件非理想特性对频率分辨率的影响，利用实测压缩线频率响应特性获得幅度和相位补偿曲线，对展宽线信号进行幅相失配补偿.仿真结果表明，该补偿方法可将频率分辨率提高至108kHz.      

倾角回转误差算法问题分析及改进

对倾角回转误差的算法和公式进行了积极探讨,对GJB1801-1993中倾角回转误差算法进行改进尝试并通过对测试方法进行理论分析和一组典型数据的计算结果对此予以进行证明。在此基础上对倾角回转误差算法进行了修正,增加约束条件:消除的一阶谐波分量必须幅值相同,相位相差90°,从而得到修正公式。再从基本误差定义出发,重新对倾角回转误差进行推导,得到了相同的结果。     

连续式风洞二喉道调节马赫数控制策略

为了降低连续式跨超声速风洞压力波动,提高马赫数稳定性,需要对二喉道调节马赫数控制方式进行研究,针对现有文献鲜少对该控制策略描述等问题,以0.6m连续式跨声速风洞为例,对二喉道控制马赫数的原理进行分析,基于运动控制器加伺服驱动器双PID(proportion-integral-derivative)控制模式实现二喉道位置精确控制,提出了二喉道和压缩机转速的组合控制流程,并采用分段变参数模糊PID加串级控制的算法实现马赫数精确控制,最后进行了试验验证。结果表明马赫数控制精度优于0.001,且每个马赫数极曲线(9个攻角阶梯)的时间可控制在4min以内,证明所提出的控制策略是有效的,可为连续式跨超声速风洞的设计调试提供参考。      

叶片式预旋喷嘴出口流场实验研究

叶片式预旋喷嘴具有尺寸小,落后角大的特点。为了详细研究小尺寸预旋喷嘴的预旋性能,采用五孔探针对叶片式预旋喷嘴的出口流场进行了实验研究。测量了Ma=0.2,0.3时喷嘴出口的压力分布、速度分布和出口气流角度分布,实验获得了喷嘴的落后角和预旋效率,并进行了与实验工况相同的数值计算。通过实验获得的总压云图以及速度云图,可以发现叶片式预旋喷嘴的端壁二次流损失、尾迹损失严重,有明显的边界层分离现象。Ma=0.2时,喷嘴Re数为5.76×104,落后角2.84°,实验测得的预旋效率为0.73;Ma=0.3时,喷嘴Re数为1.06×105,预旋效率提高至0.77。实验模型端壁的影响使预旋效率实验结果偏低6.5%左右。数值结果与实验测得各参数符合较好:数值结果与测得的喷嘴出口截面平均总压、静压偏差在1%以内;出气速度、周向速度以及出气角度与实验结果偏差在4%以内。数值计算表明,叶片式预旋喷嘴的预旋效率基本不受压比影响,随Re数增大先增大后基本不变,最后基本稳定在0.85。     

基于HHT的航空直流串行电弧特征提取方法

由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题，导致检测困难。本文基于航空270 V高压直流（HVDC）系统开展直流串行电弧故障特征提取方法研究，采用希尔伯特黄变换（HHT）提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征，与原始信号中提取的时域特征量对比，正常和电弧特征量的区分度更大；选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换（FFT）方法相比，HHT三维时频谱能够反映信号的局部特征，HHT方法计算得到的正常和电弧特征量之间的区分度更大，电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况，有助于提高电弧故障的检测率，降低虚警率，具有重要的工程应用价值。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation，eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor，ASF）值通过网格应用算法得到待测试点的ASF值，一定程度上比公式计算的ASF值更准确。在计算过程中，用户四个顶点ASF值的测量误差会传递给用户，同时内插算法本身也会引入误差，此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法，得出结论：反距离插值算法引入的误差最大，双线应插值算法引入的误差最小，而且误差呈现一定层次感，网格从内到外误差逐渐减小。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

基于EWT的离心压气机出口动态压力样本熵分析

以800 kW离心压气机从稳定状态经过过渡过程进入喘振状态时段的出口动态压力为研究对象，采用经验小波变换并结合样本熵特征，分析了系统在不同工况下的复杂特性。首先，在分析系统动态压力波形特征的基础上，采用经验小波变换并结合皮尔逊相关系数进行信号的提取。其次，研究了提取信号的样本熵与系统工作状态变化的关联关系，并讨论了经验小波的分解层数和样本熵的维数对分析结果的影响。最后，通过将白噪声加入原始信号以验证该方法的抗干扰性能。研究结果显示：当系统由稳态进入喘振状态时，系统出口动态压力的样本熵表现出明显的突变特性，其值由0突变至0.7左右。从系统参数的选择角度，样本熵维数的变化对系统特征的分析影响较小。并且，采用该方法抗干扰性能较好。