基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.      

钝感GAP微烟推进剂的能量性能计算

根据推进剂配方理论计算程序计算了含N-脒基脲二硝酰胺(FOX-12)、1,1-二氨基-2,2-二硝基乙烯(FOX-7)、3-硝基-1,2,4-三唑-5-酮(NTO)、三氨基三硝基苯(TATB)、3,4-二硝基呋咱基氧化呋咱(DNTF)、黑索今(RDX)、二硝酰胺铵(ADN)等高能钝感氧化剂及1,2,4-丁三醇三硝酸酯(BTTN)、二缩三乙二醇二硝酸酯(TEGDN)、三羟甲基乙烷三硝酸酯(TMETN)、N-丁基-2-硝酸酯乙基硝胺(Bu-NENA)等钝感增塑剂的几种单元推进剂和钝感微烟推进剂的能量性能。计算结果表明,所列的7种含能氧化剂中,由RDX和DNTF形成的单元推进剂的标准理论比冲分别为2 696.4 N.s/kg和2 610.2 N.s/kg,明显优于其他几种氧化剂。当采用DNTF部分取代GAP推进剂中的RDX或ADN后,推进剂的理论比冲、密度和特征速度相应提高。由于DNTF的感度低于RDX,因此DNTF引入推进剂中,对提高钝感GAP微烟推进剂的能量性能是有益的。     

临近空间伞张式飞艇气囊结构原理性研究

针对常规布局临近空间飞艇存在的超压控制系统重量大、能耗高等问题,通过借鉴南瓜型高空长航时气球的工作原理,提出了一种新型的省却了副气囊和超压控制系统的临近空间伞张式飞艇概念,该飞艇主要由一种能随气囊内外压差变化实现自主变形的伞张式气囊组成。针对伞张式气囊,通过开展气囊结构概念设计、气囊原理样件研制和地面原理试验研究,验证了伞张式飞艇气囊结构原理的可行性。研究结果表明,临近空间伞张式飞艇气囊结构原理上基本可行。     

平流层飞艇的控制模式对其定点特性的影响

通过对平流层飞艇定点过程的飞行状态、控制模式和工作环境的分析,建立了飞艇在定点阶段的热力学和动力学模型,并用C++可视化语言对控制方程编程求解。对无黑皮不充放空气和有黑皮充放空气两种不同状况、不同控制模式下的飞艇进行了飞行特性的数值模拟和对比,获得了两种不同状况下飞艇膜、黑皮、内部空气和氦气的温度以及飞艇的高度随时间的变化关系。结果表明:太阳辐射、飞艇的控制模式和太阳能电池阵列对其定点性能有较大影响。     

基于谱峭度与双谱的轴承故障诊断方法

针对强背景噪声情况下的轴承故障诊断问题,提出了一种基于谱峭度与双谱的轴承故障诊断方法。该方法采用谱峭度检测振动信号瞬态频带,利用最优带通滤波器抑制振动信号中的噪声得到滤波后信号。由带通滤波器的带宽确定低频矩形区域,计算落于该区域内的信号包络的局部双谱图,依据局部双谱图诊断轴承故障。仿真分析表明,强背景噪声和滚动体滑动会造成传统轴承故障诊断方法（如峭度、功率谱、包络谱）失效,而该方法能够有效地抑制噪声,更准确地诊断轴承故障,并通过6205-2RS JEM SKF轴承诊断实例,说明了该方法的有效性。     

强化学习方法在翼型拍动实验中的应用

将深度强化学习方法应用于水洞实验，实现了实验室内的自动闭环优化框架，并用该框架优化了雷诺数Re=1.3×104下纯俯仰运动的NACA0012翼型模型的推进效率。现有的相关研究往往将运动模式限制为某种周期性函数，具有局限性。借助于强化学习方法，实现了在更广的非周期动作空间中的动作搜索。在实验中，模型自动地与水洞环境进行交互，最终学习到了高效推进的非周期运动策略。另外，通过修改奖励函数，实现了在给定推力阈值以上的效率优化。研究结果显示，强化学习模型可以在实验过程中通过不断调整拍动动作的幅度和频率来实现推进效率的持续提升，并且最终通过强化学习方法获得的最优拍动动作均与正弦拍动动作接近，得到的最优推进效率基本位于同等幅度正弦动作效率的上边界。研究展示了强化学习方法用于复杂流动控制问题的可行性。