航空发动机多变量神经网络自适应控制仿真研究

针对航空发动机是一个具有强非线性、时变不确定性的被控对象,提出了一种基于RBF网络的航空发动机多变量神经网络自适应控制方法,该方法采用RBF网络对发动机非线性模型进行实时辨识,并将系统的灵敏度信息反馈给神经网络控制器,保证了控制器对被控对象的准确控制.通过某涡扇发动机在飞行包线内的数字仿真,结果表明该方法不依赖被控对象的精确模型,有效地实现了对发动机的多变量自适应控制,而且具有较好的动静态性能.     

带配平翼月球返回舱跳跃再入轨迹优化设计

为解决小升阻比月球返回舱再入大气层时安全性低、机动能力差的问题,提出采用一种带配平翼的中等升阻比返回舱做为月球采样返回舱,并对动压约束下轨迹优化问题进行了分析。首先介绍了一阶状态变量约束最优控制问题。然后采用庞德里亚金极大值原理以总吸热量最小为优化目标,对动压约束下再入轨道的初始再入段进行了优化设计,给出了升力系数的最优表达式。仿真研究表明,该方法能有效地降低返回舱再入过程中的动压。
     

基于窄角扇束扫描的固体火箭发动机CT图像重建

为实现窄角扇束扫描方式下的CT图像重建,结合窄角扇束扫描方式的特点,对已有的重排算法进行了改进,加入了数据对齐环节,实现了窄角扇束扫描投影数据的同步性。为验证改进的重排算法的有效性,利用窄角扇束工业CT对某型固体火箭发动机进行CT检测,并分别用改进前后的重排算法对获得的投影数据进行重建。结果表明,改进后的重排算法重建的图像能够很好地反映固体火箭发动机的内部结构,对固体火箭发动机的无损探伤和寿命预估具有重要意义。     

低密度聚乙烯的热解试验研究

通过热重法(TG)和差示扫描量热法(DSC)研究了低密度聚乙烯(LDPE)燃料的热解反应,采用裂解气相色质联用(PyGC-MS)实验装置研究了热解产物分布随温度的变化趋势,得到了LDPE燃料的热解特性。结果表明,LDPE的热解反应为动力学一级反应;热解产物成分浓度随热解温度的升高而变化。     

高超声速飞行器建模与控制的一体化设计

针对高超声速飞行器纵向模型具有非线性、强耦合及不确定性等特点,提出 高超声速飞行器建模与控制一体化设计方法。该方法首先以具有典型结构的高超声速飞行器 几何外形为研究对象,结合高超声速空气动力学的有关理论,建立飞行器的非线性纵向模型 方程;然后在不同飞行条件下获取多个平衡点,分析飞行的气动特性,进而在每一个平衡点 上设计具有非线性解耦控制能力的控制器,并将得到的多平衡点控制参数结合起来,进行插 值计算,实现多平衡点的连续飞行;最后的仿真结果表明,本文提出的方法是切实可行的。
     

低速风洞的消声降噪改造设计研究

对搬迁改造中的西北工业大学低(变)湍流度风洞进行了降噪设计研究.根据低速风洞噪声的机理及频率特性和该风洞的结构形式及风扇转速,采用两种降噪方法--主动降噪和被动降噪,对风洞进行降噪设计.主动降噪设计方法包括风扇动力段的气动、结构及振动的声学优化设计,被动降噪设计则采用在风洞洞体上安装微穿孔板,利用共振吸声技术进行降噪.结果表明:结合上述措施,55m/s风速下,相同测点和相同运行条件下,风洞噪声值下降约30%;76m/s最大设计风速下,风洞环境噪声被控制在78dB以下.     

航天运载器局部连接刚度对振型斜率的影响

振型斜率一直是姿态控制系统关心的首要问题。通过等效梁模型结合局部三维有限元精细模型的混合建模的方法,研究了结构局部刚度变化对惯性部件安装位置振型斜率的影响。基于模态分析,在多种工况下提取了振型与惯性部件的振型斜率并进行对比研究,讨论了舱体开口加强圈梁刚度变化、载体十字梁截面变化、连接固定支座刚度变化以及壳体壁厚变化对振型斜率的影响,为航天运载器结构动力学模型简化与姿态控制系统相关结构设计提供了参考依据。     

聚氨酯复合泡沫塑料压缩本构关系

基于聚氨酯复合泡沫塑料的准静态压缩及动态压缩实验数据,讨论了不同材料参数和实验环境对材料应力-应变特性的影响。在此基础上,本文对Sherwood-Frost的本构关系框架进行了扩充,引入了空心球填充比的影响,然后基于实验数据用数值方法拟合了聚氨酯复合泡沫塑料包含应变率、密度以及填充比的压缩本构关系。     

指数分布产品分组数据的统计分析

给出了指数分布产品在基于分组数据下参数的近似矩估计及近似区间估计,最后通过Monte-Carlo模拟数据说明方法的可行性。     

基于PSO-SVR的飞行员工作负荷预测

飞行员工作负荷是影响飞机运行安全的重要因素。开展飞行员工作负荷预测是适航审定过程中,验证驾驶舱设计是否符合适航规章的重要手段。本文针对某型民用飞机设计了模拟飞行试验,用于采集飞行员生理指标数据和国家航空航天局任务负荷指数（National Aeronautics and Space Administration task lood index, NASA-TLX）量表评价数据。以飞行员生理指标数据为输入,NASA-TLX量表主观评价数据为输出,建立了基于粒子群算法优化的支持向量回归机（Particle swarm optimization-support vector regression, PSO-SVR）模型的飞行员工作负荷预测模型。对本文建立的PSO-SVR模型与默认参数的支持向量回归机（Support vector regression, SVR）模型的预测精度进行了对比,针对4个不同场景,预测精度分别提高了7.5%、9.5%、7%和5.8%,结果表明基于PSO-SVR的预测模型得到的飞行员工作负荷预测值精度更高。