基于飞行数据的无人机平飞动作质量评价模型

针对无人机（UAV）操纵质量高低多依赖专家主观评判、不同飞行动作缺乏针对性评判标准的问题,建立了根据飞行数据客观评价无人机平飞动作质量的模型。首先通过建立平飞判别规则识别无人机飞行数据中的平飞动作数据段,然后根据布林通道理论计算各平飞数据段内多个飞行参数的得分值,最后通过"熵权法"确定各参数的权重,进而得到反映不同无人机操控手平飞动作质量的指标数据。将一次四边平飞训练任务中4组不同无人机操控手操纵和1组无人机自主控制的飞行数据输入该模型,计算结果表明,模型可以较好地识别平飞动作并区分不同操控手平飞动作质量的高低,可以为无人机操控手的训练提供参考。      

航空发动机关键件循环寿命耗损实时监视软件设计

介绍了航空发动机循环寿命耗损实时监视软件设计的原理和结构框架,重点介绍了历程数据实时处理方法,经实用表明,该软件操作简单,能够准确监视发动机部件的耗损循环数,具有一定的军事和经济价值。     

基于混合算法的涡轴发动机稳态性能仿真模型

以自由涡轮式涡轴发动机为研究对象,建立了涡轴发动机的稳态性能仿真模型,提出了基于天牛须算法和N+1点残量法的求解发动机模型的混合算法(BAS-N+1混合算法),利用发动机台架试车数据对仿真计算结果进行了验证。结果表明,该稳态性能仿真模型各参数的求解误差在3%以内。与PSO-N+1混合算法相比,BASN+1混合算法求解精度更高,收敛更快。BAS-N+1混合算法既保留了智能算法对初猜值误差的包容性,也拥有接近经典迭代算法的收敛速度和精度,能够实现涡轴发动机稳态仿真模型的高精度大范围快速收敛。     

航空发动机新技术的应用与发展

总结了新一代涡喷、涡扇发动机近年来的新发展,介绍了一种新型结构的发动机,指出了新技术和新材料在发动机及其部件上的应用情况,展望了发动机的发展前景.     

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

单级压气机性能衰退定量研究

压气机叶形改变会导致其性能的下降.以往计算其性能衰退通常假定叶形表面变化是均匀的,或在性能模型中引入损失系数,结果会产生误差.采用在易积垢部位增加随机尺寸的方法来模拟叶片积垢等原因造成的形状改变,并分析了叶片积垢、叶顶间隙增大等因素对压气机性能的影响.通过仿真获得了压气机在各种不同工况下性能定量衰退程度,以及压气机叶片表面气流流场、总温的变化情况.结果对发动机性能衰退研究和故障分析具有一定的理论与应用价值.      

基于性能参数残差序列分析的发动机性能衰退研究

为研究发动机在使用过程中的性能衰退,提出了一种发动机部件性能参数残差序列分析方法。利用发动机模型进行发动机测量参数对部件性能参数的敏感度分析,优化选取充分表征发动机性能衰退的部件性能参数,建立性能参数多元线性回归模型,得到了性能参数的残差序列,通过对残差序列的统计量分析,成功地确定了发动机性能突变时刻,为发动机的维护起到了一定的指导作用。     

基于K-均值聚类与粒子群核极限学习机的推力估计器设计

鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。     

带柔性静子部件的轴承共腔涡轴发动机碰摩特征

为研究具有轴承共腔结构的涡轴发动机在发生转、静子碰摩时转子-机匣系统动力学特征及机匣振动响应特征,建立了简化的转子-机匣碰摩动力学模型,并通过Runge-Kutta法进行求解。仿真结果表明:当发生转、静子碰摩时,机匣响应频谱中出现转子高倍频及其组合频率成分,高倍频成分幅值随碰摩程度加重而增大。对该型发动机进行台架试车实验,验证了该模型和结论的有效性。并利用不具有该结构的某第二代涡轴发动机试车的碰摩数据,进一步验证了带柔性静子部件的轴承共腔发动机中双转子间存在运动耦合,为涡轴发动机振动监控与故障诊断提供一定的理论依据。      

基于模糊指数融合和正交基分解的发动机性能监控

针对发动机性能监控过程中出现的单参数监控信息量不足和多参数容易矛盾的情况,提出一种发动机性能监控模糊指数融合方法。该方法基于滑动窗口参数均值和熵,采取有效的信息融合技术,建立表征发动机性能的模糊融合指数。利用神经网络方法,依据已确定的模糊融合规则推导出剩余决策规则。实例表明,模糊融合指数能很好地跟踪发动机性能缓慢衰退和突变两种情况。用正交基分解的方法对模糊指数进行重构预测,与线性拟合和二次拟合相结合的方法相比,其预测精度更高,能准确预测发动机的性能变化。