基于压缩感知的整体叶盘多模态振动叶尖定时信号重构方法

叶尖定时测量技术是近年来发展的一种非接触式旋转叶片振动监测方法,具有非入侵性的优点,但是该系统测得的振动信号通常是欠采样的。为了能够重构叶尖定时欠采样信号,本文根据压缩感知理论以及叶尖定时采样原理引入了叶尖同步振动信号稀疏模型以及叶尖振动信号重构方法。对整体叶盘有限元模型进行瞬态分析得到叶尖振动信号,使用优化的正交匹配追踪算法以及基追踪对欠采样信号进行重构并和传统方法进行对比。计算结果表明：在信噪比为30dB的噪声环境下,限制频域的正交匹配追踪算法(OMP-RFD)可以准确地识别出叶尖振动信号的主要频率成分。最后使用试验所获得的叶尖振动信号进行重构,验证了OMP-RFD算法有效性。综上可知：压缩感知方法可以很好地应用于叶尖定时测量装置中,能够使用较少传感器识别叶尖同步振动欠采样信号参数,有效提高噪声环境下识别高阶频率的成功率以及准确度。     

基于多项式混沌的机床几何误差灵敏度分析

为解决目前灵敏度分析方法普遍存在的样本需求量大且计算效率不高的问题,提出了一种基于多项式混沌展开的全局灵敏度分析方法。首先,以AC型双转台五轴数控机床为研究对象,根据旋量理论建立了完备的空间误差模型。其次,构建了机床几何误差的多项式混沌展开模型,采用正交匹配追踪实现模型的稀疏化,并给出了基于该方法的Sobol灵敏度指数。进而,对五轴数控机床几何误差进行了实例分析,测量并统计出41项误差的近似概率分布,分析了影响各方向位姿误差分量的关键几何误差。通过与蒙特卡洛法和拉丁超立方法进行对比,多项式混沌展开方法的正确性得到验证,且在不降低计算精度的前提下,样本量从1×10⁵降低到1×10³,计算时间分别减少96.8%和98.1%,计算效率显著提高。     

基于非平稳高斯过程的叶栅加工误差不确定性量化

基于非平稳高斯过程描述叶片加工误差,结合Karhunen-Loeve展开方法,建立了由于加工误差导致的叶片型线几何不确定性表征模型。耦合非嵌入式多项式混沌展开、稀疏网格技术与Reynolds-Averaged Navier-Stokes (RANS)方程求解技术,提出了叶栅加工误差不确定性量化方法,研究量化了加工误差所导致的叶型几何不确定性对典型高负荷Pak-B叶栅气动性能的影响。结果表明,在加工误差影响下,叶片负荷相对于设计值变化[±1%]以上的概率为0.56,总压恢复系数相对于设计值降低1%以上的概率为0.12。详细气动分析表明,斜切部分和尾缘的加工制造精度对Pak-B叶栅气动性能影响显著,相应位置的加工误差应严格控制。     

基于多项式混沌法的翼型不确定性分析及梯度优化设计

耦合伴随方法和非嵌入式多项式混沌法，发展了高效、可靠的不确定性梯度优化设计方法。利用伴随方程法求解目标函数对不确定性变量的导数，发展了一种梯度增强型多项式混沌法。通过亚声速和跨声速下等多种算例可以证明该方法可以提高不确定性分析的效率和精度。同时，利用基于方差分解的全局敏感性分析方法对不确定性变量的敏感性进行了量化。建立了多项式混沌耦合伴随方程的统计矩梯度求解方法，并结合梯度增强型多项式混沌法搭建不确定性梯度优化设计系统。基于该优化设计系统对二维低亚声速和跨声速翼型开展确定性及不确定性优化设计研究。优化结果显示，相比于确定性优化设计，不确定性优化设计通过合理权衡确定性性能和不确定性性能，可提高抵抗马赫数和迎角不确定性扰动的能力，同时优化性能均值和标准差。其中阻力系数均值最大可降低17%，阻力系数标准差最大可降低80%。而确定性优化设计可能导致性能鲁棒性的降低。     

基于卡尔曼滤波的翼型表面压力实时重构方法

为实现基于稀疏数据的翼型表面压力实时重构，提出了一种基于压缩感知与卡尔曼滤波器的数据融合方法，该方法主要包括线下建立数据库和线上实时感知两部分。首先，在线下通过粒子图像测速技术、压敏漆、计算流体力学等方法对翼型表面压力进行全场采样，并采用本征正交分解对所测得的全场压力数据进行降维，建立含有主导相干流动结构的模态数据库以及各模态时间系数之间的状态转换关系。其次，在线上基于压缩感知，利用离散压力传感器所测量数据与压力场主导模态，通过求解L₁范数下的最优化问题，对各主导模态的时间系数进行初步求解。最后，将线下所得各模态时间系数之间的状态转换关系放入卡尔曼滤波器，作为其系统模型进行预测；将线上所求得各模态时间系数放入卡尔曼滤波器，作为其观测值进行校正。以CFD模拟翼型压力作为验证数据，对该方法的性能进行评估，结果显示：该方法与仅采用压缩感知进行重构对比，升力重构误差从18.15%减小至6.39%。     

基于广义多项式混沌展开的无人机飞行性能不确定性分析

无人机飞行性能的不确定性分析有助于评估不确定性对无人机飞行任务规划的影响,为飞行任务方案的鲁棒性设计提供支撑。基于广义多项式混沌展开方法,建立了无人机飞行性能不确定性近似分析模型,利用样本实现了无人机性能多项式系数的非侵入式计算,研究了无人机状态在不确定条件下的非线性演化。在考虑初始条件、大气环境和气动参数存在不确定性的情况下,量化了不确定性对无人机性能的影响。数值分析结果表明,相比于传统的需要大量仿真样本的蒙特卡洛分析方法,提出的非侵入式展开方法在具有较高近似精度的情况下,仅需要少量的样本就可以完成无人机性能的不确定性分析,具有较高的计算效率。     

基于压缩感知的高频响流场重构方法及其应用

粒子图像测速（PIV）方法具有高空间分辨率的优势,但是往往受到采样频率的限制（一般在15 Hz以下）,难以完成高频响测量。压缩感知（CS）能够基于稀疏采样数据获得高频信息,但如果直接应用于所有的数据点则计算量过大。基于亚采样（sub-Nyquist）PIV数据,本文提出了基于压缩感知和本征正交分解（POD）的高频响流场重构方法。首先采用POD对数据降维,同时获取空间模态和相应的亚采样时间系数,将亚采样时间系数作为观测值,选取适当的稀疏基,通过求解基追踪问题来计算高频响的模态系数。结合空间模态和所得到的时间分辨模态系数,可以重构高频响的非定常流场。利用该方法分别对周期性的振荡器流场和非周期性的不同直径圆柱流场进行重构,检测该方法的适应性。结果表明,压缩感知方法无需侵入式的辅助测量,可以为周期性流场提供准确的重构,重构误差低于3%,而对于非周期性复杂流场,则出现较大的高频噪声。因此,本文所提出的方法可以应用到周期性流场中以提高测量数据的时间分辨率。     

一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。     

多尺度自适应直接信息采样与重构

现有的直接信息采样(Analog-to-Information Conversion,AIC)方法在压缩感知框架下,将采集和压缩过程融合,但并未充分考虑不同稀疏成分在信号重构当中的地位。针对该不足之处,提出一种多尺度自适应直接信息采样与重构算法。该算法充分考虑小波变换后的高频信号和低频信号在重构中的不同地位,实现速率自适应的直接信息采样。同时,给出变速率采样下的信号重构策略,以解决常规重构算法在速率自适应采样时失效的问题。仿真结果表明,多尺度自适应AIC系统可以获得比传统AIC系统更好的AFSNR性能。     

飞机结冰的不确定性量化研究进展

为深入认识影响飞机结冰的不确定性及其研究方法,从自然条件结冰、冰风洞试验、数值模拟等方面,介绍了飞机结冰不确定性来源,以蒙特卡洛法、多项式混沌法和随机配置法等为例,系统分析了各种不确定性量化方法在计算能力、求解精度等方面的优劣。考虑飞机结冰不确定性量化处于起步时期,重点综述了数值模拟中结冰条件不确定性对冰形和气动特性的影响。从结合单步法和多步法确定最佳结冰时间步长来提升结冰计算精度和效率、对其他关键部件进行结冰不确定性量化从而为更精细化的防/除冰系统的设计提供支撑,以及通过建立高精度的代理模型来代替原本复杂的数值模拟系统以应对考虑多个不确定性因素共同作用所带来的计算挑战等多个方面,全面展望不确定性量化方法及其在飞机结冰应用中的发展方向。     

涡轮叶片来流角扰动不确定性量化分析

为了高效精确量化来流条件变化对涡轮叶片性能的影响,发展了一种基于自适应抽样技术的非嵌入式多项式混沌(NIPC)模型,并通过函数试验对自适应NIPC模型进行了验证。在不同尺度来流角变化下,用该模型量化涡轮叶栅能量损失系数的不确定性变化,同时与直接蒙特卡洛模拟和灵敏度分析进行对比。通过流场统计分析揭示来流角变化对气动不确定性的影响机理。结果表明:自适应NIPC在不同尺度来流角扰动下均能快速准确量化能量损失系数变化;能量损失系数不确定性变化对来流角扰动是非线性依赖关系;叶片通道内的激波对来流角变化最为敏感,是引起能量损失系数不确定性变化的主要因素。     

考虑不确定性的复合材料加筋壁板后屈曲分析模型验证方法

复合材料加筋壁板在结构轻量化设计中，由于材料组分、几何尺寸具有不确定性，导致了壁板结构在服役条件下承载特性的不确定性。针对上述问题，提出了一种考虑参数不确定性的复合材料加筋壁板后屈曲模型验证方法。首先基于正交试验设计方法进行了不确定性参数的显著性分析，然后采用Kriging模型构建了能够表征后屈曲特性的代理模型，利用蒙特卡洛随机模拟获得加筋壁板后屈曲载荷概率分布，最后通过壁板结构在典型承载条件下的力学实验数据验证了分析模型的准确性。该分析方法对于壁板件在实际工程中的应用具有一定指导意义。     

涡轮动叶凹槽状叶顶传热特性和气动性能的不确定性量化研究

基于非嵌入式多项式混沌展开方法,结合Smolyak稀疏网格技术与Sobol Indic方法构建了涡轮动叶凹槽状叶顶传热特性和气动性能不确定性量化分析系统。研究并量化了几何参数叶顶间隙和运行工况参数主流进口总温与气膜冷却吹风比不确定性对涡轮动叶凹槽状叶顶气热特性的影响。不确定性分析结果表明：在考虑叶顶间隙与主流进口总温和吹风比不确定性的情况下,叶顶换热量 基本符合正态分布。 的统计均值相对于设计值增加13.56%并且其偏离设计值10%的概率高达65.68%。相比叶顶尾缘区域,叶顶前缘部分的换热量对不确定性输入更加敏感。前缘区域的叶片壁面换热量 的不确定性明显大于尾缘部分。在叶顶间隙与主流进口总温和吹风比不确定性的影响下,0-80%轴向弦长区域内叶顶总压损失系数存在微小偏差,但在80%轴向弦长以后区域总压损失系数的不确定性偏差会达到约50%。敏感度分析的结果表明主流进口总温是叶片换热性能不确定性的主导变量,其对 与 不确定性的贡献分别为93.87%和98.32%。叶顶气动性能的不确定性则完全由叶顶间隙控制,其对叶顶总压损失系数不确定性的方差占比高达86.44%。与主效应相比,各变量间的二阶交互效应对叶顶气热性能的影响几乎可以忽略不计。     

锥导乘波体构型的气动特性不确定度分析

为研究锥导乘波体偏离设计条件下气动特性变化情况,采用稀疏的非嵌入式混沌多项式方法,对乘波体气动特性进行了不确定性量化及全局非线性灵敏度分析。首先,采用CATIA二次开发技术对锥导乘波体进行参数化建模;其次,在来流速度、温度、密度和迎角满足特定扰动的条件下,通过拉丁超立方试验设计生成样本,并采用CFD进行计算;最后,根据试验设计样本建立响应面,通过混沌多项式分析得到了乘波体气动力系数的不确定度。灵敏度分析结果表明,迎角在锥导乘波体的气动特性变化中起主导作用。对马赫数和压强的流场不确定性分析结果表明,气动特性变化主因是乘波体前缘处的压力泄漏,影响了上表面压力分布,导致了气动性能的改变。     

垂直起降运载火箭返回轨迹不确定性优化

针对垂直起降运载火箭一子级在返回着陆的过程中存在的参数不确定性,提出了一种基于非侵入式多项式混沌展开的序列优化和可靠度评估的返回轨迹不确定性优化方法。首先,建立了返回多飞行段轨迹在确定性条件下的优化模型。然后,为同时兼顾轨迹的鲁棒性和可靠性,建立了由鲁棒最优目标函数、基于可靠度的路径约束和鲁棒等式约束组成的不确定性返回轨迹优化模型。最后,基于非侵入式多项式混沌展开方法对鲁棒目标函数和等式约束进行量化处理,将原随机鲁棒优化问题转化为高维状态空间中的等价确定性优化问题;为提高路径约束的可靠度评估效率,基于非侵入式多项式混沌展开方法对最可能点法进行改进,进一步发展了序列优化和可靠度评估策略。数值仿真结果表明,所提出的不确定性优化方法具有较好的鲁棒性,可以满足工程可靠性指标要求,同时还具有较高的精度和计算效率。     

基于压缩感知的叶端定时信号参数辨识方法

叶端定时技术作为一种非接触式测量手段,在实际应用中的主要问题之一是测量信号欠采样。压缩感知方法是解决信号欠采样问题的有效手段,但由于求解过程中引入了正则化项,在提高稀疏度时,降低了幅值重构精度,而转子叶片振动幅值参数的准确辨识对于叶片动应力重构具有重要意义。将叶片振动方程设计矩阵与压缩感知字典相结合,在不依赖先验信息的条件下对叶片振动参数进行辨识。首先,根据振动方程设计矩阵形式及关注的最大振动频率,构造压缩感知字典;其次,通过叶端定时信号稀疏表示中的非零元素所在位置,从压缩感知字典中提取对应原子构成设计矩阵进而求得振动参数;接着,叶端定时（BTT）模拟仿真结果表明,所提方法可有效辨识叶片单模态、多模态振动参数;最后,开展旋转叶片振动测试试验,同时利用应变片和叶端定时系统采集振动信号,结果表明,与应变片测量结果相比,提出的方法振动频率辨识相对误差仅为0.14%;对比4个叶片的位移-应变传递比,其中偏离均值的最大百分比仅为2.15%。     

考虑随机和认知混合不确定性的航空发动机燃烧效率灵敏度分析

针对燃烧室初步设计阶段输入参数存在混合不确定性的特点,提出一种概率盒框架下的全局灵敏度分析方法。简单介绍了航空发动机燃烧效率的一维计算方法;在随机和认知混合不确定性的概率盒表征基础上,使用Sobol指标的上下限表征概率盒中随机与认知混合不确定性对响应的贡献程度;最后基于双层嵌套蒙特卡洛/非嵌入式多项式混沌展开（Monte Carlo Simulation/Non-intrusive Polynomial Chaos Expansion,MCS/NIPCE）方法对概率盒灵敏度指标进行求解,筛选出重要变量和次要变量,实现模型的降维。通过某航空发动机燃烧效率的全局灵敏度分析对所提出的方法进行了验证。研究结果表明,Sobol指标的上下限可以显著表征概率盒灵敏度指标,在保证计算精度的前提下,双层MCS/NIPCE方法的计算效率要远远高于传统双层蒙特卡洛（Monte Carlo Simulation, MCS/MCS）方法,可获得考虑随机和认知混合不确定性情况下燃烧效率输入参数的重要性排序。     

基于数值模拟的工程设计中参数不确定性表征方法研究综述

现代工程设计大量使用数值模拟技术，然而数值模拟中仿真模型、几何参数、工作载荷、环境条件等均存在不确定性，这些不确定性直接影响数值模拟结果的可信度，尤其在研发对性能和可靠性要求严苛的装备时，忽略这些不确定性将产生潜在风险，因此在基于数值模拟的工程设计中开展不确定性量化意义重大。不确定性表征既是准确开展不确定性量化和优化设计工作的前提，也是工程精细化设计的重要支撑。本文阐述了基于数值模拟的工程设计中所面临的不确定性因素，根据不确定性因素的表现形式和可用信息，按照概率表征和非概率表征两大类总结了目前主流的参数不确定性表征方法，介绍了各种表征方法的基本思想、主要原理、适用范围以及方法在工程实践中的发展和应用，并简要阐述基于不确定性表征结果进行不确定性传播的基本思路，最后对不确定性表征的研究方向进行了展望。     

基于切比雪夫多项式展开的转子动力特性区间分析

基于切比雪夫多项式展开,建立了转子系统临界转速和稳态响应区间分析方法,能在仅具有参数上下界的情况下获得结果分布区间。针对临界转速区间分析问题,将支承刚度、密度和弹性模量视为区间变量,建立转子系统固有频率的切比雪夫多项式表达式,最终获得临界转速区间,临界转速误差不超过0.07%。在固有特性分析基础上,应用切比雪夫方法求解转子系统的稳态响应,并由模态叠加原理对响应区间进行修正,解决了固有特性不确定性较大时稳态响应求解精度不足的问题。与蒙特卡洛插值结果相比,响应上界误差不超过8%。基于切比雪夫展开的非确定分析方法,不需修改原结构的振动微分方程。结果表明该方法结合商业有限元软件后,应用简单,并具有理想的精度。     

一种鲁棒的数据驱动不确定性量化方法及在压气机叶栅中的应用

发展了一种基于预处理矩阵的数据驱动不确定性量化算法，以解决实际工程中面临的实测数据稀缺及分布形式复杂的不确定性量化问题。通过鲁棒性分析、正交基函数的重构、非线性测试函数验证了所发展方法的有效性和精度。基于实测的叶片前缘半径和来流攻角随机波动数据，以某高亚声速压气机叶栅为研究对象，采用自主发展的不确定性量化方法定量评估了不确定性因素对叶栅气动性能的影响。结果表明：在设计攻角和大攻角下叶栅真实的总压损失系数高于名义值的概率分别为83.6%和69.9%；大攻角工况下叶栅总压损失的分散度约是设计工况下的2.4倍；前缘半径耦合来流攻角的不确定性引起前缘绕流发生较大波动，是导致叶栅总体性能退化及性能分散的主要原因。