BP神经网络预测复合材料热压罐成型均匀性

复合材料热压罐成型过程中的固化度差值是复合材料固化度均匀性的主要表征参数之一。基于3层BP神经网络，以复合材料双平台固化工艺曲线的加热速率、保温时间和保温温度为输入参数，建立了成型过程任一时刻最大固化度差值的快速估算模型。仿真复合材料热压罐成型过程，得到最大固化度差值作为试验样本数据，对BP神经网络进行训练，训练结束后对该模型的准确性进行验证。结果表明:该BP神经网络估算模型准确性和效率较高，为复合材料热压罐成型最大固化度差值的估算提供了一种快速有效的新方法。      

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。     

纵向波纹隔热屏气膜冷却特性实验

针对加力燃烧室纵向波纹隔热屏气膜冷却效果开展了细致的实验研究,利用红外热像仪测量了隔热屏壁面的温度分布,分析了隔热屏板型、吹风比、开孔率等参数对气膜冷却效率的影响。实验中板型选取了平板和纵向波纹隔热屏,吹风比变化范围是0.5~3.0,开孔率变化范围是1.4%~3.7%。结果表明:相比于平板隔热屏的气膜冷却效率沿程逐渐增加,纵向波纹隔热屏的气膜冷却效率随波纹板的起伏而起伏且大于平板隔热屏;随着吹风比的增加气膜冷却效率逐渐加大,在吹风比为3.0时达到最大值;气膜冷却效率在波峰处低,波谷处高,整体上随波纹板的起伏而波动,吹风比越小,气膜冷却效率随波纹板的起伏变化越明显;高吹风比(吹风比为2.0~3.0)下,气膜冷却效率沿程变化与增幅较为缓慢;整体上,随着开孔率的增加气膜冷却效率逐渐加大,小开孔率(开孔率为1.4%、2.7%)下的气膜冷却效率相差不大,但在次流背风侧,开孔率小的气膜冷却效率要小于开孔率大的气膜冷却效率。      

低排放燃烧室NO_x排放试验及预测方法研究

为了研究中心分级贫油低排放燃烧室的排放特性和排放预测方法,针对一个低排放头部方案,在单头部燃烧室试验件上,在不同的温度、压力、油气比、供油模式和分级比条件下,测量其排放性能。以Lefebvre排放经验预测公式为基础,采用经验分析方法拟合排放试验数据,归纳出适用于本头部方案的排放预测公式。表征预测好坏的判定系数R2在小工况下和大工况下分别为0.95和0.93,表明预测结果与试验结果符合度较好。小工况和大工况排放特性不同,对仅预燃级喷油的小工况工作模式,NO_x排放主要受化学恰当燃烧温度和预燃级局部当量比的影响;对预燃级和主燃级同时喷油的大工况工作模式,NO_x排放主要受燃烧区温度和主燃级燃油比例的影响。     

基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。     

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。     

针栓式推力室冷却特性试验研究

针栓式发动机具有推力调节简单、声学燃烧稳定性好和成本低廉等一系列优点,但目前对针栓式推力室的冷却特性掌握还不够深入,研制过程中曾多次出现因推力室冷却组织不好而烧蚀的问题。采用针栓式推力室试验件,对身部的冷却特性进行了深入研究,结果表明:推力室圆柱段前端的温度较低,无需采用专门的冷却措施;末端内侧气壁温度会达到约1650℃,局部存在明显的烧蚀现象,必须采取有效的热防护措施;下游冷却液膜量的变化对圆柱段的冷却特性影响较小。     

航空制造领域移动机器人加工系统研究综述

移动机器人加工系统在航空大部件装配领域应用广泛。由于移动机器人加工系统脱离定点作业模式进行移动加工,在实际加工过程中,其大部件待加工部分的高精度定位以及切削加工过程的加工稳定性问题必须要得到研究和解决。通过对国内外先进移动机器人加工系统的研究综述,重点研究移动状态下大部件高精度定位技术以及加工过程中的振动抑制问题,以实现移动机器人的稳定切削加工,并对有待解决的问题及未来的研究方向进行了讨论和展望。     

基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来，卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性，已被认为是最有前途的CNN硬件加速器，但是受FPGA计算能力、存储资源的限制，基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先，研究了适用于三维运算的Winograd算法一维展开过程；然后，通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法，优化算法每个卷积层的时钟周期数减少了7倍左右，相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究，证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度，并改善在FPGA运行CNN的性能。