一种提高载重量的新型气动布局设计研究

为了兼顾大载重飞机的气动性能和结构特性,针对刚度特性较好的厚翼型提出和发展了一种新型气动布局形式,在有限的翼展限制下,通过多排翼的设计思路,提高主机翼的升力性能。数值模拟结果表明,采用新的气动布局后,与传统较薄机翼的单翼布局比较,升力特性可普遍提高50%左右。通过加装偏转角、缩小后翼弦长等进一步优化,升阻比性能也优于传统薄翼,从而表明所提出的设计方案对大载重飞机的设计和发展具有重要的参考价值。     

粘弹材料在粘弹性板建模中的应用研究

 给出了确定粘弹性材料本构关系的 GHM模型各参数的简便方法。基于 GHM模型,用有限元法计算了粘弹夹芯板的模态参数,计算结果同参考文献相比,精度高且更接近于实验结果,同时与 ANSYS5.5及NASTRAN70.7的计算结果基本一致,表明给出的方法是可靠的,说明 GHM模型不但能准确描述粘弹性材料的本构关系,而且能与有限元方法相融合,所得系统二阶运动方程可以方便地利用各种控制理论进行振动主动控制。     

基于神经网络的电动加载系统

 针对电动加载系统中多余力矩的干扰 ,提出了基于RBF(径向基函数 )神经网络的新型复合控制策略 ,与传统的BP神经网络相比 ,没有局部最小问题。由于系统非线性和时变性 ,特别在多余力干扰下传统控制方法如PID很难得到满意的控制效果。提出的复合控制方法主要由神经网络PID和前馈补偿器组成 ,通过仿真与试验 ,控制器有效的减少了多余力矩对系统的影响 ,改善了加载系统的动态性能。     

二维气动问题中Kriging代理模型精度影响因素

以二维跨声速临界翼型的阻力特性为对象,探讨样本点数目、Kriging代理模型参数及其类型等对模型精度的影响.阻力系数采用计算流体力学（CFD）方法得到.模型精度的验证采用交叉验证方法,采用平均误差、最大误差和标准交叉验证残差来衡量Kriging代理模型的精度.研究结果表明:①Kriging代理模型预测气动阻力效果较好.②模型精度随样本点的增多而提高,剔除与样本点响应趋势不相符的“奇异点”后,模型精度显著提高,平均误差减小5%~38%,最大误差减小13%~77%.③核函数类型对模型精度的影响最大,相关参数次之,回归模型的影响最小.采用高斯相关函数、2阶多项式回归模型,以及合适的相关参数值时,Kriging代理模型的精度最高.      

有机纤维与酚醛树脂的相似性及应用研究

为了解决新型有机纤维改性硅基/酚醛复合材料的烧蚀/温度场计算问题,提出了将改性用的有机纤维等效于酚醛树脂的处理方法.通过试验表明有机纤维与酚醛树脂具有一定的热相似性,理论计算时将有机纤维成分按树脂处理,从而利用已有树脂基类防热材料设计方法来预测有机纤维类复合材料的烧蚀/温度场.试验结果表明此方法合理可行.     

齿间凸起对直通篦齿封严特性影响的数值研究

为提升篦齿的密封性能,对在齿间光滑衬套上增加矩形凸起的直通篦齿的流动特性进行了数值研究,分析了压比、凸起的尺寸和轴向位置对篦齿泄漏特性的影响。和光滑齿相比,凸起破坏了壁面射流附面层的连续性,改变了流体在齿腔中的流动方向,有效地提高了通道的密封性能,降低了通道的泄漏量。结果表明,当压比为2时,含有凸起结构的篦齿的泄漏系数较光滑齿降低了13%,当压比增加到4时,泄漏系数更是降低了18%;凸起的高度越大宽度越小,凸起对篦齿密封性能的提高就越明显;凸起和下级齿之间的轴向距离越短,凸起对流入下级齿的气体流动方向改变就越大,密封性能也就越好。     

基于深度神经网络的机器人定位误差补偿方法

工业机器人由于高效率、低成本被广泛应用于智能制造业,但较低的绝对定位精度限制了其在高精度制造领域的推广应用。为提升机器人绝对定位精度并解决传统复杂的误差建模问题,提出了一种基于深度神经网络的机器人定位误差补偿方法。首先在笛卡尔空间进行拉丁超立方采样规划,获得目标点姿态对误差的影响规律;然后建立基于遗传粒子群算法优化深度神经网络(GPSO–DNN)的定位误差预测模型,实现对误差的预测和补偿;最后为验证该方法的准确性和优越性,与其他误差补偿模型进行对比。试验结果表明,基于GPSO–DNN的定位误差补偿方法的补偿精度最高,定位误差由补偿前的1.529mm减小为0.343mm,精度提高了77.57%。该方法能有效补偿机器人定位误差,大幅提高机器人的定位精度。     

基于GaN-HEMT并联的航空电机驱动系统设计研究

在深入了解宽禁带电力电子器件的发展现状和开关特性基础上,提出了一种基于GaN-HEMT并联的航空电机驱动系统,开展了GaN-HEMT并联的驱动电路及数字控制器平台设计与实践。搭建了试验系统,进行了相关测试。试验结果验证了设计的正确性。     

基于BSP-ANN的四旋翼无人机轨迹跟踪方法

为了降低无人机轨迹跟踪误差,提高系统抗干扰能力,对反步（Backstepping）法进行改进提出一种基于反步神经网络（BSP-ANN）的无人机轨迹跟踪方法。首先,建立了四旋翼无人机运动学模型;然后,结合Backstepping方法在无人机的姿态控制、轨迹跟踪控制系统中引入Sigma-Pi神经网络,同时设计Sigma-Pi神经网络控制率,并证明该控制率满足Lyapunov意义下的系统稳定;最后,分别给出了相应的仿真实验。仿真结果表明：该算法可以有效降低跟踪误差,缩短无人机跟踪时间,同时可以提高系统的抗干扰能力。     

基于网络编码的空间DTN LTP协议改进

随着空间通信技术与应用的不断发展,空间DTN (Delay Tolerant Network,容延迟网络)中节点之间数据传输的重要性日益明显。针对空间DTN的可靠信息传输需求,首先介绍了空间DTN的特点及信息传输协议体系,并对LTP (Licklider Transmission Protocol,立克里德传输协议) 进行了重点分析。然后针对空间DTN中LTP协议的缺点和不足,研究提出了基于网络编码的空间DTNLTP传输协议改进策略——NC-LTP协议,并通过数学仿真对算法性能进行了分析评估。仿真结果表明,相比于LTP协议,NC-LTP协议在不同信道传输时延、不同丢包率等条件下的适应性方面表现出较大的优势,因此NC-LTP协议更适用于具有高动态特性、高信道误码率、带宽受限的空间DTN环境。