脉冲爆震发动机高温压力测量方法

为寻找一种适合于脉冲爆震发动机高温环境下的压力测量方法,在基于离子电流的PDE高温压力传感器机理研究的基础上,推导获得离子电流衰减速度与爆震波压力峰值的关系。设计了一种新型的单短探针型离子传感器,开展了单爆震试验获得了大量实验数据,采用最小二乘算法对试验数据拟合,获得了两者关系的具体表达式。研究结果表明,通过离子电流衰减速度计算获得的压力峰值与标定压力传感器测量值基本一致,误差在3%以内。     

基于云关联度的航空发动机传感器、部件故障识别系统设计

针对灰色关联度方法用于发动机故障诊断精度低的问题,结合云理论和关联度分析方法,提出了云关联度方法,利用“云滴”能够反映映射的模糊性和随机性与整体“形状”变化分布这一特性,克服数据挖掘的模糊性和随机性问题,采用综合隶属度方法能够充分对数据进行挖掘,最终计算出云关联度.为了实现航空发动机传感器、部件单一故障的实时识别和诊断,在分析航空发动机传感器故障和部件故障特点的基础上,利用云关联度方法,设计了航空发动机传感器、部件故障的识别系统.仿真结果表明该方法不仅能够实时正确区分航空发动机传感器、部件故障,还能准确诊断出故障发生的传感器或者部件的位置,有效地改善了航空发动机故障诊断能力.      

存在数据丢包的航空发动机分布式控制器设计

考虑航空发动机分布式控制系统中丢包问题,开展系统建模和稳定性分析,提出了带输入积分的状态反馈控制器,根据Lyapunov稳定性定理和LMI获得了一定丢包上界下的控制器求解定理。基于该控制器提出某涡扇发动机分布式控制系统丢包增益重构补偿策略,并开展仿真研究。结果表明：基于增益重构的丢包补偿措施,保证了存在数据丢包的发动机分布式控制系统的性能和稳定性。     

增广预测模型的航空发动机多变量约束预测控制

针对模型不匹配导致的模型预测控制性能下降的问题,提出了一种基于增广预测模型的航空发动机多变量约束预测控制器设计方法。在现有发动机状态空间模型基础上,将指令跟踪误差与系统状态的变化量增广为状态向量,设计增广预测模型以消除稳态跟踪误差,以控制量所需能量与模型预测输出误差最小为目标,利用带约束的序列二次规划（SQP）算法在线滚动优化控制变量。通过某型涡扇发动机非线性部件级模型的包线内不同状态下仿真分析,结果表明,控制系统无稳态误差,调节时间<2s,有效提高了发动机控制品质,实现了对输出量的限制管理。     

基于参数线性组合的航空发动机气路健康参数估计

针对发动机上可用传感器个数小于待估计气路健康参数个数时的卡尔曼滤波估计问题,采用一种健康参数线性组合的方法。通过迭代搜索方法优化得到最优变换矩阵,对原健康参数进行线性组合,生成一组维数等于可用传感器个数的调整参数向量,然后采用卡尔曼滤波器对调整参数向量进行估计,最后通过还原变换得到原健康参数的估计值。以涡扇发动机为研究对象的仿真结果表明,在风扇、压气机的效率以及涡轮效率和流量分别或同时蜕化2%到3%时,该方法能够准确估计出所有的健康参数,而估计参数子集法的估计结果有可能出现明显偏差,甚至误判。     

涡轴发动机简化实时模型研究

涡轴发动机数控系统传感器故障诊断需机载的发动机数学模型,由于缺乏部件特性数据,根据某型发动机地面试车稳态数据和动态数据,建立涡轴发动机慢车以上状态简化数学模型。该模型具有较好的实时性,稳态模型采用插值算法,动态模型针对不同参数分别采用动态系数法和转子动力学方法。数值仿真结果表明：该简化模型具有较高的动态和稳态精度,可以满足传感器故障诊断的需求。     

遥操作机器人神经网络Smith预估控制(英文)

针对遥操作机器人通讯通道中存在的时延 ,提出了一种神经网络 Smith预估控制方法。控制系统适合于时延不变但未知的情况。控制系统包括主控制器和从系统两部分。从系统采用动态神经网络辨识机器人的动态模型 ,神经网络权重在线学习 ,用神经网络的输出对非线性系统进行局部非线性补偿 ,将非线性系统线性化。主系统针对线性化的从系统 ,采用 Smith预估控制解决时延问题并保证系统的性能品质。通过李雅普诺夫稳定理论保证了时延控制系统的稳定性。对两关节机器人的仿真结果说明了该方法的有效性。     

航空发动机简化实时模型仿真研究

在航空发动机数控系统研制中,由于缺乏详细的发动机部件特性数据,建立精确的航空发动机部件级模型非常困难。本文根据某型发动机地面试车稳态数据和动态数据,建立了航空发动机简化数学模型。稳态模型采用插值算法,动态模型采用动态系数法。所建立的模型框架灵活,算法简单,具有实时性。开展了发动机从起动到最大状态的稳态仿真和动态仿真,结果表明模型的稳态误差小于1％,较好地满足了发动机数控系统早期半物理仿真的需求。     

航空发动机气路故障诊断研究现状与展望

航空发动机气路故障诊断是通过对发动机系统、部件的气路参数进行分析,以识别气路部件性能退化或故障的主动过程,是提高飞行安全性和可靠性、降低发动机维修成本的重要途径,当前已成为飞行推进技术研究领域的热点。本文较为详尽地阐述了发动机气路故障诊断技术的发展历程;讨论了发动机气路故障诊断的主要方法,包括基于线性/非线性模型的诊断方法、基于数据驱动的诊断方法、基于信息融合的诊断方法等,评述了这些方法的优缺点;最后指出了气路故障诊断技术中的关键技术和难点,并对未来的发展趋势进行了展望。     

分布式控制系统下APU部件和传感器的混合故障诊断与隔离（英文）

研究了分布式控制系统下辅助动力装置（Auxiliary power unit,APU）的气路部件和传感器的故障诊断与隔离（Fault diagnosis and isolation,FDI）,并在分布式控制系统中将非线性动态模型和分布式状态估计器结合起来进行了研究。分布式扩展卡尔曼滤波器（Distributed extended Kalman filter,DEKF）起到状态估计器的作用,用于估计气路部件的流动能力。DEKF拥有一个主滤波器和5组与APU的5个传感器一一对应的子滤波器,每个子滤波器产生局部状态的流动能力估计。主滤波器收集并融合局部状态信息,然后将状态估计反馈给子滤波器。在APU分布式控制结构的DEKF算法中引入了丢包模型。设计了具有残差加权平方和（Weight sum of squared residuals,WSSR）性能指标的FDI策略,并通过一次移除一个子滤波器来识别APU传感器故障。当前子滤波器的性能指标WSSR不同于剩余的子滤波器组合时,说明发生了传感器故障,并且解析余度的估计值会取代故障传感器的测量值。值得注意的是,该方法不仅适用于传感器故障,而且可以解决A...