碳纤维表面状态对C/C复合材料性能影响的研究

用两种经高温处理的碳纤维织物,以酚醛树脂作为基体先驱体,制备了二维C／C复合材料。通过扫描电镜（SEM）,X－射线光电子能谱（XPS）研究了两种碳纤维（TCF和JCF）的表面状态,测试了C／C复合材料（TCC和JCC）的层间剪切强度,拉伸性能,SEM观察表明,TCF及JCF表面都有沟槽,但TCF横断面呈腰子形非圆形,XPS分析表明TCF表面含氧官能团数量多,力学测试结果为：TCC层间剪切强度（ILSS）高于JCC,达到16．1MPa;TCC拉伸强度,模量均高于JCC,而JCC断裂延伸率达1．1％,是TCC的3倍,拉伸断口SEM分析表明,TCC断口平整,无纤维拔出,呈脆断,JCC断口有纤维拨出,是纤维控制的多层基体断裂。     

高速无人机地面变速滑跑转弯方向稳定性研究

高速起降无人机地面滑跑过程中受到轮胎力、气动力、舵面力等多个非线性因素的影响，容易发生转弯失控，在地面打转甚至冲出跑道等严重事故。目前利用分岔理论分析飞机地面滑跑非线性转弯系统稳定性时，都是基于匀速滑跑的平衡态系统，无法分析加减速对非线性非自治飞机地面滑跑系统稳定性的影响。对此，提出利用达朗贝尔原理将非线性动态系统转化为等效非线性平衡态系统进行分岔特性研究。在MATLAB/Simulink中建立无人机非线性地面变速滑跑动力学模型，并基于达朗贝尔原理在系统模型中引入惯性力，将系统转化为等效平衡态系统，进而利用数值延拓法对系统全局稳定性及分岔特性进行求解，分析了无人机变速滑跑过程中加速度对无人机转弯方向稳定性的影响，并对系统出现的鞍结分岔现象、Hopf分岔现象进行分析。通过对3种典型工况下无人机的运动状态和受力进行分析，揭示了无人机地面变速滑跑转弯时发生方向失稳的本质与机理。同时，在加速度单参数分岔分析的基础上，采用开折方法，将前轮转角作为附加参数引入无人机地面滑跑动力学模型，进行双参数分岔分析，讨论了双参数组合对无人机地面滑跑方向稳定性的影响规律，并就双参数分岔过程中新出现的BT分岔、G...     

基于AE-BN的发电机滚动轴承故障诊断

为解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题，提出了一种基于自动编码器(AE)与贝叶斯网络(BN)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取，得到能够高度表征信号的特征分量；基于故障与特征之间的因果关系，建立由故障位置、故障状态和故障特征搭建的三层BN；将AE的特征分量与BN的拓扑结构相结合建立风力发电机故障诊断模型，解决故障诊断中的不确定性问题，提高多故障诊断的准确性。实验结果表明：所提方法能够对故障特征信号进行分析及诊断，精确辨识不同故障类型，相比K近邻算法等具有明显优势。     

四旋翼的改进PSO-RBF神经网络自适应滑模控制

针对非线性、强耦合并带有不确定性干扰的四旋翼无人机模型，提出了一种改进粒子群算法-径向基(PSO-RBF)神经网络自适应滑模控制器。在对RBF神经网络自适应滑模控制器进行控制量平滑改进的基础上，利用改进的具有全局寻优能力的PSO算法来调整RBF神经网络的拟合参数，从而进一步提升网络的拟合能力。根据实际四旋翼的模型参数，搭建四旋翼的动力学模型，通过Lyapunov理论验证了系统的稳定性。仿真结果表明：与RBF神经网络自适应滑模控制器和双闭环PID控制器相比，改进PSO-RBF神经网络自适应滑模控制器可以在一个控制周期内寻找到合适的控制量，其调节时间分别提升约50%和75%；改进PSO-RBF神经网络自适应滑模控制器具有轨迹跟踪速度快且准、抗干扰能力强和鲁棒性好的特点。     

旋转部件转动诱导振动信号检测与分析

阐述了一个典型旋转部件振动时产生诱导振动信号的检测方法。介绍了测试系统，旋转部件振动测点布置和振动信号采集。根据两个样机的实测结果，认为旋转部件的诱导振动信号与旋转部件生产质量、安装精度密切相关，对旋转部件轴承固有特征的理论计算值和实测频谱进行了比较，进而判断轴承是否存在故障，并分析了上、下轴承间振动信号的相关性。