ARJ21飞机开始航线演示飞行

2015年3月16日,ARJ21—700飞机正式拉开了为期半年的航线演示飞行的序幕。航线演示飞行是ARJ21—700飞机交付之前的重要准备环节,旨在全面验证AIU21—700飞机飞行运行能力,飞机维护类、运行类和培训类手册的适用性、准确性和完整性,检验中国商飞公司运行支持体系,加快试飞安全管理体系建设;同时,有效推动ARJ21—700飞机首家用户成都航空公司对飞机特点及手册的熟悉和掌握、培训飞行机组和乘务人员、树立航空公司正式执行航线飞行的信心,为正式交付运营做好准备。     

基于QPSO算法的压气机特性代理模型优化

考虑到小样本特性数据情况下进行部件特性数据的二维线性插值精度低,提出一种基于量子粒子群优化(QPSO)算法的压气机特性代理模型优化方法。针对原始Kriging模型对其相关模型参数的初始值极度敏感以及易限于局部最优解的缺陷,利用QPSO算法对Kriging的相关模型参数进行全局寻优,克服了基于梯度的模式搜索法对于参数初始值的依赖,经测试该方法具有较好的效率以及稳定性。将该优化模型扩展应用于低压压气机特性代理模型建立与重构。经验证,在小样本特性数据下,基于QPSO的压气机特性Kriging模型仍具有较高精度,应用前景可观。     

AC352直升机完成适航取证多项试验

截至2012年12月中旬,由中航工业直升机所和中航工业哈飞联合研制的先进中型多用途直升机AC352成功完成了雷击试验、鸟撞试验以及中机身极限载荷静强度试验。鸟撞和雷击试验是对直升机飞行过程中抗击意外飞行物和应对雷电不良自然天气的安全性检验,极限载荷静强度试验是对直升机机身材料在持续运行状态下寿命极限的考核。试验过程和结果必须同时满足中国民用航空局     

电压变化时Boost PFC变换器的混沌和分叉现象

利用小信号模型对开关电源控制器进行设计过程中常出现混沌分叉等不稳定现象。以工程设计的角度,建立了平均电流型BoostPFC的精确电路模型,分析了系统中存在的非线性现象,结合非线性分叉和混沌理论对这类非线性现象进行了详细的分析和推导。     

改进CST方法在翼型优化设计中的应用

形状类别函数变换(Class-Shape Transformation,CST)方法是近年来发展起来的一种新型气动外形参数化方法,该方法具有良好的鲁棒性,且涉及参数少、精度高,结果简单直观等特点,被广泛应用于翼型设计研究中。文章结合某小型无人机设计的工程实践,探讨了CST方法在小型无人机翼型设计中的应用,在借鉴他人研究成果的基础上,决定采用Bernstein多项式构建形状函数,分析了Bernstein多项式阶数对CST方法拟合精度的影响。仿真结果表明,当BPO4时,拟合精度能够达到满意的要求,可用于该型无人机翼型的设计与优化。     

图片新闻

这是飞翔于火星水手峡谷上空的飞机想像图.此飞机将装载电视摄影机等观测仪器进行地形调查.     

基于Stateflow的 无人机多模态控制转换逻辑设计

针对基于Simulink建立的无人机飞行管理系统存在逻辑复杂、全飞行状态航迹仿真建模繁琐等缺点,文章利用有限状态机建立无人机全状态、多种导航控制模态下的控制和逻辑切换流程,并结合飞行管理系统、飞行控制系统和无人机运动学模型建立无人机全状态仿真系统,通过仿真对飞行工作模式的切换效果进行了验证。     

目视盘旋进近程序的运用

目视盘旋进近是紧接最后进近的仪表飞行之后，在着陆前围绕机场所进行的目视机动飞行，（沿与起落航线相一致的目视盘旋航线着陆）。作为一种独立的进近方式，它广泛存各机场的进近程序中。     

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。     

基于粒子群核极限学习机的涡扇发动机加速过程模型辨识

针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识。试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013%,0.355%和1.055%,平均计算时间为0.04ms。精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制。