基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化

本文针对某无人机基于聚合物交换膜燃料电池和锂离子电池的混合动力电推进系统的应用,研究开发了一种基于自适应神经模糊推理系统的电源管理系统控制技术,以控制混合动力电力推进系统,同时优化燃料电池供气系统的性能。本文以所建立的某无人机混合电推进系统数学模型为研究对象,研究了燃料电池电流与燃料电池供气系统压缩机功率之间的关系,建立了燃料电池电流与最佳压缩机功率关系的参考模型。在参考模型的基础上,引入自适应控制器来优化燃料电池供气系统的性能。基于自适应神经模糊推理系统的控制器将压缩机的实际运行功率动态调整到参考模型中定义的最佳值。自适应控制器的在线学习和训练能力用来辨识燃料电池电流的非线性变化,并产生压缩机电机电压的控制信号,以优化燃料电池供气系统的性能。在Matlab 仿真环境中开发了质子交换膜燃料电池和锂离子混合动力电推进系统模型并对所设计的控制器进行了仿真分析,结果表明基于自适应神经模糊推理系统的控制器为燃料电池供气系统压缩机性能优化提供了一种新颖而全面的途径,使燃料电池供气系统获得最大净功率输出。将燃料电池系统的净功率输出与最佳压缩机功率和恒定压缩机功率进行了比较,结果表明优化的压缩机功率配置比恒定的压缩机功率配置节能2.62%。同时,燃料电池自适应神经模糊推理系统控制器优化了燃料电池供气系统的能量利用。     

蜂窝夹芯雷达罩抗鸟撞冲击性能仿真分析

在雷达天线罩抗鸟撞冲击响应有限元分析中,为了有效克服有限单元法在模拟鸟体局部大变形计算中的不稳定性以及更好地模拟鸟体铺展、飞溅效果并提高鸟体与天线罩接触区域的计算精度,需要采用FEM-SPH耦合方法模拟鸟体高速撞击天线罩的动态力学响应过程。文章分别采用FEM、SPH和FEM-SPH耦合方法对1.8 Kg的鸟体以150 m/s的相对速度撞击天线罩三明治夹芯结构的不同位置开展了有限元仿真研究。仿真结果表明,FEM-SPH耦合方法能够充分发挥FEM法和SPH法各自的优势,能更精细地描述鸟体撞击到天线罩上的变形、失效以及铺展过程。进一步研究发现,泡沫铝夹芯层材料在吸能方面起着主要作用,且鸟撞位置对天线罩的整体变形具有显著影响,鸟撞最危险位置发生在雷达天线罩正面中心靠下位置,此时最大位移为123.5 mm,为上部位置最大位移值的1.8倍。