基于IPSO-Elman神经网络的飞机客舱能耗预测

为了提高飞机客舱使用地面空调制冷时客舱能耗的预测精度，提出了一种改进的粒子群优化（IPSO）Elman神经网络的飞机客舱能耗预测模型。依据对算法中惯性权重与学习因子的收敛域分析，得出了二者合理的取值范围，将粒子到全局最优位置间距离与参数的取值范围相结合，构造了惯性权重与学习因子的动态调节函数，对其进行非线性的动态调节，并引入了变异因子，提出了一种跳出局部最优的策略，防止粒子群优化（PSO）陷入局部最优。将IPSO-Elman应用于Boeing738飞机客舱能耗预测中，与PSO-Elman、Elman算法进行性能比较，仿真结果表明基于IPSO-Elman的客舱能耗预测模型在预测精度和收敛速度方面均有一定的提升。该研究结果为飞机客舱能耗预测模型的建立提供了理论依据，对飞机地面空调的节能与机场电能合理调配提供了支持。     

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。     

基于飞机客舱空气品质的桥载空调送风优化

针对目前桥载空调恒定送风所造成的客舱内舒适性差及节能效果不理想问题,以波音737客舱为研究对象,采用CFD方法建立客舱仿真模型,并通过实验验证了所建立的CFD客舱仿真模型的合理性。在此模型基础上,研究桥载空调不同送风速度对客舱内温度场、风速场及NOx浓度场的影响,并分别拟合出客舱空气分布特性指标(ADPI)、排污效率与桥载空调送风速度的函数关系,再根据ADPI、排污效率构建评价函数,得到桥载空调的优化送风速度,该送风速度能够为桥载空调机组的节能控制提供依据。     

助航灯光系统电力载波通信特性仿真研究

为了实现助航灯光系统电力载波通信可靠性传输,对灯光系统载波通信特性进行了仿真研究。研究的关键是建立接近实际电力载波系统的模型。针对信号实际传输过程中噪声干扰问题,首先设计了能滤除工频干扰信号的耦合电路;然后在此基础上,根据传输线理论和电力线路中实际的电气参数,建立灯光系统电力载波的仿真模型;最后对模型进行仿真。在去除噪声干扰的基础上,仿真结果表明灯光系统载波通信受容抗的影响最大,阻抗和感抗的改变对载波通信影响不大。     

基于PMV-PPD的地面空调最佳送风速度

针对目前飞机地面空调恒速送风所造成的客舱热舒适性和节能效果不佳的问题,运用CFD技术建立了Boeing737飞机客舱的仿真模型,并通过实验室1∶1尺寸的Boeing737实验舱进行验证,证明所建立的CFD模型合理有效。在此模型基础上,模拟了飞机客舱内的风速场、温度场,根据采样点的风速和温度,分别得到不同送风速度下的客舱内热舒适性评价指标PMV和PPD,通过高斯拟合得到地面空调送风速度与PPD平均值之间的曲线关系,求解得到了满足热舒适性要求的地面空调最佳送风速度,从而实现地面空调的节能控制。     

一种清除引气污染物的空调梯形信号送风方法

针对现有飞机客舱空调采用常规的恒值信号送风，无法将引气污染物快速排出舱外的问题，采用计算流体力学（CFD）技术建立Boeing737飞机客舱仿真模型，并使用粒子图像测速（PIV）实验验证客舱仿真模型的准确性。提出客舱空调采用梯形信号送风，与客舱空调常规的恒值信号送风进行对比，以NO2为引气污染物，模拟在相同通风量不同信号送风下，天花板送风、侧壁送风、混合送风方式的流场特征与污染物扩散规律，将等效稀释通风量指标与吹风感指标结合，确定飞机空调最佳送风工况。仿真结果表明：采用等效稀释通风量指标对客舱整体排污效果进行评估，相比于恒值信号送风，客舱空调采用梯形信号送风在天花板送风、侧壁送风、混合送风方式下等效稀释通风量分别提高了78.2%、34.3%、23.1%。其中，客舱空调使用梯形信号送风在天花板送风方式下具有最好的排污效果，并且其吹风感指标DR(Draft Rating)低于20%，满足乘客热舒适性要求，梯形信号送风的吹风感指标优于方波信号送风，排污效果优于正弦信号送风。