航空机载设备构型标识设计的研究

基于Do-254构型管理的要求.对构型标识的实际应用和设计进行研究,指出了构型标识必须满足的基本要求,给出了构型标识的具体实例.     

黏性彻体力建模方法及其应用

研究了将Navier-Stokes方程中黏性项简化为黏性彻体力的建模方法,并将该模型加入已有的计算流体力学(CFD)程序中,实现了用三维欧拉方程加黏性彻体力模型快速模拟叶轮机三维非定常流动的方法.使用该方法对进气周向总压畸变条件下的某双级压气机非定常流场进行了模拟,并与雷诺平均的Navier-Stokes(RANS)程...     

用于气动导数辨识的试飞数据处理方法研究

飞行试验的测量环境十分复杂,未经处理的试飞数据直接用于飞机的气动导数辨识会降低辨识精度,甚至导致辨识的迭代过程发散或收敛到错误值。提出一套从野值剔除、数据平滑、时延修正到相容性检验的试飞数据处理方法,并将其应用到真实试飞数据的气动导数辨识中,通过对比分析数据处理前后的辨识过程和辨识结果,验证了本文提出的数据处理方法在改善辨识过程收敛特性和提高辨识精度上的有效性。     

朗缪尔探针在轨快速除污染技术研究

讨论了一种朗缪尔球形探针在轨快速去除表面污染的技术方法. 朗缪尔探针是空间等离子体原位探测的一项重要手段, 广泛应用于各种航天器. 探针传感器表面被污染时, 会造成探针I-V特性曲线失真, 从而导致探测获得的等离子体参数产生偏差. 通过试验验证了采用探针传感器加载高压的技术, 其可快速有效清除传感器表面污染, 确保朗缪尔探针在轨探测获得实时、准确的空间等离子体信息.      

基于转子不平衡响应的磁轴承磁力参数辨识

针对磁轴承磁力参数理论设计值不精确的问题,提出了一种基于不平衡响应的磁力参数实验辨识方法.利用转子的质量不平衡在高速转动时的离心力效应,通过检测磁轴承在零电流控制状态下的同频位移响应和零位移控制状态下的同频电流响应,解算磁轴承磁力参数.设计了基于通用陷波器原理的零位移控制器和零电流控制器,并通过设置T矩阵保证闭环系统稳定.实验结果表明:基于不平衡响应的磁力参数辨识方法,辨识结果与理论设计值差别在20%之内,证明了该方法的正确性和改进磁轴承力学参数的有效性.      

CJ818飞机座舱显示的合成视景系统研究

所谓合成视景系统(Synthetic Vision System,简称SVS),就是通过地形数据、飞机位置、航向和姿态信息等,对飞行航迹、趋势矢量和周围环境进行描绘,改进飞行员情境意识,从而提高安全性,降低可控飞行撞地的可能性,并可减轻飞行员的工作量,降低飞行员手动操纵误差[1]。分析了应用于CJ818飞机的SVS系统基本结构、工作原理、系统软硬件以及数据库方面的问题,探讨了SVS系统的可认证性能,最后对目前SVS系统的研发和应用情况作了介绍。     

离心叶轮高速旋转叶片振动测量与特性分析

为了解离心叶轮高速旋转叶片的振动特性,对其进行振动应力测量与叶尖振幅测量,并将两种方法的测量结果进行对比分析。在介绍振动应力测量与叶尖振幅测量基本原理及数据处理方法的基础上,对离心叶轮高速旋转叶片进行了振动测量与分析。分析结果表明,两种方法均能有效识别叶片的5个共振转速区以及相应的激励源(转速的4,8和17倍频)。振动应力测量与叶尖振幅测量识别的叶片最大共振转速差异为0.56%,识别的叶片最大共振频率差异为1.78%。以振动应力测量结果为参考,验证了叶尖振幅测量结果的准确性和有效性。     

过失速机动飞行模拟与操纵效能分析

在大迎角非线性气动力模型和推力矢量发动机模型的基础上,结合非线性控制方法和与常规飞行增稳控制模态转换方法,实现飞机常规飞行包线内和过失速区域的全范围飞行模拟,同时提出了过失速机动操纵效能分析方法。通过对推力矢量飞机操纵效能的全面分析,验证了推力矢量控制有效实现和显著提高过失速区的机动能力。飞机全状态范围的过失速机动飞行模拟与操纵效能分析将为现代高机动飞机过失速机动飞行试验提供重要的技术支持和理论依据。     

过失速机动气动模型的试飞验证方法研究

介绍了现代飞机过失速机动的大迎角气动模型的特点和描述方法,结合某型飞机大迎角非定常气动力模型和推力矢量控制模型,分析了大迎角非定常、非线性气动力模型的飞行验证方法,并进行了地面模拟验证,为我国新一代飞机过失速机动大迎角模型验证飞行试验方法的研究和模拟试验技术的研究提供了依据。     

基于LSTM循环神经网络的故障时间序列预测

有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆（LSTM）循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。