基于时间序列分析的装备可用度预测方法

阐述了装备可用度预测的重要性,并以此为需求牵引,构建了具有非线性、非平稳的装备可用度时间序列。基于奇异值分解滤波算法,将原始序列分解为趋势成分和随机成分,分别应用粒子群训练的径向基神经网络模型和函数系数自回归模型进行组合预测,充分体现了2类模型的各自的优势。实例分析,验证了模型和算法的有效性。实验与应用结果表明,该组合方法的预测性能和效果比单一使用RBF和FAR进行预测更好。     

涡轴发动机自适应非线性预测控制

为了实现当直升机旋翼负载变化时,尽量保持功率涡轮转速恒定,并提高系统动态品质,研究了一种针对涡轴发动机的自适应非线性预测控制(ANMPC)算法.基于涡轴发动机稳态数据和动态特性,采用递归最小二乘法(RLS)进行模型参数辨识,建立了具有在线自适应能力的涡轴发动机数值-ARX(auto regressive with external input)并联预测模型.在此基础上,通过多步输出预测和反馈校正,利用序列二次型优化(SQP)算法,进行在线滚动优化,从而获得了涡轴发动机ANMPC控制器.仿真结果表明:当旋翼负载变化时,相比于传统的串联PID(比例-积分-控制)控制器,ANMPC控制器能够使得功率涡轮转速收敛更快,超调量/下垂量更小.      

航天器非平稳振动环境TVAR时频分析(英文)

Predicting the time-varying auto-spectral density of a spacecraft in high-altitude orbits requires an accurate model for the non-stationary random vibration signals with densely spaced modal frequency. The traditional time-varying algorithm limits prediction accuracy, thus affecting a number of operational decisions. To solve this problem, a time-varying auto regressive （TVAR） model based on the process neural network （PNN） and the empirical mode decomposition （EMD） is proposed. The time-varying system is tracked on-line by establishing a time-varying parameter model, and then the relevant parameter spectrum is obtained. Firstly, the EMD method is utilized to decompose the signal into several intrinsic mode functions （IMFs）. Then for each IMF, the PNN is established and the time-varying auto-spectral density is obtained. Finally, the time-frequency distribution of the signals can be reconstructed by linear superposition. The simulation and the analytical results from an example demonstrate that this approach possesses simplicity, effectiveness, and feasibility, as well as higher frequency resolution.     

监视参数预测和故障识别法

将时间序列分析方法应用于航空发动机状态监视与故障诊断中, 采用自回归模型, 对监视参数进行趋势预测。进一步将时序分析与模式识别技术相结合, 通过构造判别函数和用参数相关分析法, 识别发动机典型故障。      

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

LINEAR PREDICTION APPROACH IN AIRBORNE ADAPTIVE ARRAYS

ＬＩＮＥＡＲＰＲＥＤＩＣＴＩＯＮＡＰＰＲＯＡＣＨＩＮＡＩＲＢＯＲＮＥＡＤＡＰＴＩＶＥＡＲＲＡＹＳＳｕＪｉｅ；ＬｉＣｈｕｎｓｈｅｎｇ；ＺｈｏｕＹｉｎｑｉｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＵｎｉｖｅｒ...     

Satellite lithium-ion battery remaining useful life estimation with an iterative updated RVM fused with the KF algorithm

Lithium-ion batteries have become the third-generation space batteries and are widely utilized in a series of spacecraft. Remaining Useful Life (RUL) estimation is essential to a spacecraft as the battery is a critical part and determines the lifetime and reliability. The Relevance Vector Machine (RVM) is a data-driven algorithm used to estimate a battery’s RUL due to its sparse feature and uncertainty management capability. Especially, some of the regressive cases indicate that the RVM can obtain a better short-term prediction performance rather than long-term prediction. As a nonlinear kernel learning algorithm, the coefficient matrix and relevance vectors are fixed once the RVM training is conducted. Moreover, the RVM can be simply influenced by the noise with the training data. Thus, this work proposes an iterative updated approach to improve the long-term prediction performance for a battery’s RUL prediction. Firstly, when a new estimator is output by the RVM, the Kalman filter is applied to optimize this estimator with a physical degradation model. Then, this optimized estimator is added into the training set as an on-line sample, the RVM model is re-trained, and the coefficient matrix and relevance vectors can be dynamically adjusted to make next iterative prediction. Experimental results with a commercial battery test data set and a satellite battery data set both indicate that the proposed method can achieve a better performance for RUL estimation.     

自主机动条件下的实时定轨方法

中继卫星在跟踪自主机动用户目标时,由于机动轨道未知,需要利用中继卫星下传的星载GNSS(Global Navigations Satellite System,全球导航卫星系统)数据进行实时轨道确定与预报,为中继卫星跟踪提供实时的引导信息,以方便中继卫星快速捕获目标和连续稳定跟踪。针对该类用户目标的任务需求,讨论了基于星载GNSS数据自主机动条件下的实时定轨方法,建立了连续推力机动力学模型。以某一型号卫星的实测数据进行分析验证,并对轨道机动进行辨识,计算的机动加速度和机动时间与试验单位提供的结果一致。针对卫星不同机动情况,5min的观测数据定轨预报10min的弧段,最大位置误差小于8km,可以为中继卫星快速捕获提供高精度的引导信息。     

基于自动核构造高斯过程的导弹气动性能预测

在导弹的初期设计阶段,通常需要对导弹的气动性能进行快速粗略评估。针对传统工程估算软件计算精度低和CFD方法计算代价大的缺陷,提出一种基于高斯过程回归（GPR）代理模型快速预测典型导弹气动性能的方案。以导弹外形参数和攻角作为模型输入,升力系数、阻力系数和力矩系数作为模型输出,对GPR模型的气动性能预测结果进行分析。首先,与其他常用代理模型的预测精度对比,GPR模型对3种系数的预测误差分别仅为0.24%、0.36%和0.36%,高于其他代理模型的预测精度。其次,考虑GPR模型核函数选择严重依赖人工先验知识的问题,采用了一种自动核构造算法,无需先验知识即可从数据中自动学习核函数。将该算法嵌入GPR框架中,与传统GPR模型比较,实验结果表明：基于该算法的GPR模型对3种系数的预测误差分别降低到0.10%、0.22%和0.17%。最后,给出导弹气动性能快速预测的应用实例,结果表明所提出的GPR模型的导弹气动性能预测方案是有效的,能够满足设计初期快速且精确的气动性能预测需求。     

民用飞机机翼结冰试验与数值预测

描述了某民用飞机在意大利IWT（icing wind tunnel）冰风洞的机翼结冰试验结果.根据冰风洞试验状态点,开展了基于拉格朗日方法和Messinger模型的冰形数值预测,并对试验冰形和数值预测冰形进行了对比分析.霜冰的数值预测结果与试验结果一致性良好,对于明冰,数值结果和试验结果存在一定的差异,原因在于:①明冰结冰过程中较强的绕流变化增大了冰积聚非定常效应对数值预测的影响;②采用的结冰热力学模型对明冰的模拟存在一定局限性;③明冰对于冰风洞设备工况和试验模型表面粗糙度的影响更为敏感.      

一种改进的模糊度子集选取方法及其性能评估

模糊度固定(ambiguity resolution, AR)能在一定程度上加快精密单点定位收敛并提高定位精度。但是模糊度固定率和计算效率会随模糊度数量的增加而降低,因此部分模糊度固定(partial ambiguity resolution, PAR)备受关注。PAR技术的关键在于模糊度子集选取,提出了一种改进的模糊度子集选取法,将高度角、信噪比以及模糊度方差联合作为模糊度子集选取的指标。实验结果表明：静态模式下,相比于全模糊度固定(full ambiguity resolution, FAR)和基于高度角的PAR方法,该方法的固定率分别提升9.65%和2.56%,首次固定时间分别缩短6.86%和3.43%,收敛时间分别缩短15.57%和5.13%,当三种方法固定率大致相同时,定位精度分别提升4.74%和5.39%;动态模式下,该方法的固定率分别提升22.75%和0.92%,首次固定时间分别缩短12.44%和0.44%,当三种方法固定率大致相同时,定位精度分别提升3.50%和4.89%。总体而言,无论是在静态还是动态模式下,该方法相比于FAR和基于高度角的PAR方法,性能均有所提升。     

递阶偏最小二乘回归在飞机研制费用预测中的应用

分析了飞机研制费用样本数据少、费用驱动因子众多的特点,考虑到递阶偏最小二乘回归(Hi-PLS)方法在变量规模巨大情形下进行回归建模的优势,应用递阶偏最小二乘回归方法对飞机研制费用进行预测。以战斗机机体研制费用预测为例进行研究,首先对战斗机机体研制费用驱动因子进行分组,然后应用递阶偏最小二乘回归方法对分组后的费用驱动因子进行回归建立机体研制费用预测模型。实例表明,在飞机研制费用预测方面,采用递阶偏最小二乘回归方法预测更能体现研制费用与飞机性能参数之间的关系。     

Prediction of nonlinear pilot-induced oscillation using an intelligent human pilot model

This paper proposes a method to predict nonlinear Pilot-Induced Oscillation (PIO) using an intelligent human pilot model. This method is based on a scalogram-based PIO metric, which uses wavelet transforms to analyze the nonlinear characteristics of a time-varying system. The intelligent human pilot model includes three modules: perception module, decision and adaptive module, and execution module. Intelligent and adaptive features, including a neural network receptor, fuzzy decision and adaptation, are also introduced into the human pilot model to describe the behavior of the human pilot accommodating the nonlinear events. Furthermore, an algorithm is proposed to describe the procedure of the PIO prediction method with nonlinear evaluation cases. The prediction results obtained by numerical simulation are compared with the assessments of flight test data to validate the utility of the method. The flight test data were generated in the evaluation of the Smart-Cue/Smart-Gain, which is capable of reducing the PIO tendencies considerably. The results show that the method can be applied to predict the nonlinear PIO events by human pilot model simulation.     

重型直升机飞行动力学刚弹耦合建模及空中共振稳定性分析

针对重型直升机（HLH）大重量、低转速的固有特性,提出了一种适用于重型直升机的飞行动力学刚弹耦合建模方法。该方法结合传统直升机飞行动力学与旋翼机体耦合动力学,将传统飞行力学的分析频段拓展到了5 Hz,额外考虑了桨叶和机体的弹性变形,基于阻抗匹配法推导出了显式的旋翼/机体耦合动力学方程,模拟了真实飞行状态下的直升机气弹耦合特性,利用该模型计算并分析了算例重型直升机的悬停飞行特性和空中共振稳定性。结果表明：旋翼机体耦合导致摆振前进型和机体弹性模态的阻尼-转速曲线先相互靠近至同一点再分离,可能引起直升机的高频瞬态振动;在摆振等效阻尼不足时,旋翼摆振后退型是不稳定的,但随着等效阻尼增加,摆振二阶周期型模态和机体弹性模态会出现耦合;桨叶弹性变形与机体弯曲模态及挥舞集合型耦合,但不会引起明显的不稳定现象。     

卫星推力器可靠性评估和寿命预测

提出一种卫星推力器无失效数据可靠性分析方法,该方法能够在高置信水平下给出卫星推力器可靠度和使用寿命的置信下限。同时还建立了卫星推力器强检验和弱检验方法,前者适用于对首次采用的卫星推力器的验收,而后者适用于对已长期使用的卫星推力器的例行的批抽样检验。文中对卫星推力器寿命遵循Weibull分布和对数正态分布的情况分别进行了详细讨论。      

发动机滑油散热系统性能计算方法及其应用

讨论了安装鼓风机引起滑油附加温升的原因并提出了合理的计算模型,完善了滑油散热系统性能计算方法。研究表明,在建立良好的物理模型的基础上,应用遗传算法对模型结构参数进行优化,可以显著提高系统模型的精度,减小系统性能计算误差。应用本文的计算模型分析了温控活门对滑油温度的影响,并建立了预测燃、滑油瞬态温度值的方法,为发动机的安全运行提供了指导。本文方法的优点是只需少量滑油系统试验数据即可获得满意的模型拟合结果,从而大大节约了试验费用,提高了试验效率,并能有效预测试验难以达到的恶劣条件下的滑油散热性能。      

航空发动机燃油污染快速检测技术的初步研究

针对航空发动机润滑系统受到燃油污染的问题,提出1种基于红外光谱分析的快速检测技术。利用傅里叶变换红外光谱技术(FIRT),结合偏最小二乘算法(PLS),建立了燃油污染定量检测的数学校正模型。讨论了不同光谱预处理方法和PLS因子数对模型预测能力的影响。通过对光谱预处理和优化建模参数,提高了模型的预测精度,在一定的燃油质量分数范围内,得到了较为理想的数学校正模型。使用建立的分析模型对预测集样本进行预测,预测值与实际值相关性良好,相关系数R=0.9994,预测均方根误差RMSEP=0.082,重现性实验标准偏差SD=0.044~0.088。研究结果表明该燃油污染快速检测技术是可行的。     

Hybrid method based on flame volume concept for lean blowout limits prediction of aero engine combustors

The Lean Blowout (LBO) limit is crucial for the aircraft engines. The semi-empirical (such as Lefebvre’s LBO model and Flame Volume (FV) model), numerical and hybrid methods are widely utilized for the LBO limit quick prediction. An innovative hybrid method based on the FV concept is proposed. This method can be classified as a semi-empirical/physical based hybrid prediction method. In this hybrid method, it is assumed that the flame volume varies nearly linearly with the fuel/air ratio near the LBO. The flame volume is obtained directly by the numerical simulation using the threshold value of the visible flame boundary as 900 K. Then the final LBO limits is determined by the FV model. On the premise of keeping the good generality of prediction, the hybrid method based on the FV concept can further improve the prediction accuracy. The comparison with the prediction of the existing available methods on fifteen combustors shows that the hybrid method based on the FV concept achieves better prediction accuracy. The prediction uncertainties between the experimental results and the predicted values by the hybrid method based on the FV concept are within about ±10%.     

基于CDM的复合材料缺口强度三维数值仿真模型

层合板受载时在缺口尖端出现的沿纤维方向的基体开裂会使缺口钝化,降低缺口带来的应力集中影响。为了更好地模拟这一现象,建立基于CDM的三维有限元模型,提出一种可以实现层合板中每层网格不同排列的建模方法,使网格边缘与每层纤维方向一致;为了实现每层网格不同的排列,在层间建立内聚力接触模拟分层损伤;对纤维增强复合材料层合板[0/902/0]S和[0/90/±45]S进行开孔拉伸的渐进损伤分析。结果表明:该模型可以模拟不同材料体系和铺层参数的层合板在拉伸载荷作用下的渐进损伤过程,预测其破坏强度;通过已知的试验结果对模型进行验证,证明了该方法的正确性且预测精度较高。     

一类冷却导向叶片的多学科设计优化

提出含冲击、孔排及尾缘劈缝气膜、扰流柱复合冷却方式的燃气涡轮导向叶片多学科设计优化的一种方法.介绍了研究对象的结构特点、换热系数计算方法并给出了部分计算公式.建立了一种一类冷却导向叶片的多学科设计优化模型,以某燃气涡轮导向叶片为例,进行了多学科设计优化,获得了较好的效果.