舰载机起飞时机辅助决策系统建模

 由于航母扰动会影响舰载机起飞安全,而仅依靠个人经验决策起飞时机存在较大误差,因此提出了舰载机起飞时机辅助决策系统的概念并建立模型。通过分析航母运动对舰载机起飞的影响机理,选择飞机离舰爬升率作为评价起飞安全性的关键参数;结合舰载机起飞作业程序,确立起飞时机决策方法;在此基础上,利用人工神经网络的预测能力并结合有利/不利起飞时机的特征,建立舰载机起飞时机辅助决策系统模型。仿真结果表明,系统模型能够有效地为起飞指挥官提供辅助决策信息,提高舰载机起飞安全性。     

翼型波浪水面巡航地面效应数值模拟

数值求解非定常不可压缩流动的雷诺平均N-S(Navier-Stokes)方程和标准k-ε湍流模型,用VOR(Volume Of Fluid)方法模拟波浪水面,模拟了NACA2410翼型在波浪水面上方飞行的流场.研究了余弦波浪水面的生成方法,选取合适的计算网格和时间步长,避免了在生成规则余弦波浪水面时由于数值耗散使波面形状衰减.比较了固壁波浪与水面波浪计算结果的差异,发现固壁波浪的结果更接近余弦曲线分布.研究了波浪等级对翼型气动性能的影响,分析计算结果发现:在规则的余弦水面波浪上方飞行,翼型气动力呈现周期性,给出了一个周期内气动力的变化过程,以及波长和波幅对气动力平均值和波动幅度的影响规律.      

一种预测驾驶员操纵行为的建模方法

在飞机设计中,应用驾驶员数学模型预测飞机飞行品质是避免人机系统出现不良耦合的重要途径之一.驾驶员神经网络模型是利用飞行模拟实验数据建立的驾驶员模型.基于该模型,针对纵向单通道俯仰跟踪任务,详细讨论了具有不同增益、不同短周期振荡频率飞机构型的驾驶员操纵行为变化规律.研究结果表明:对于特性相似的飞机构型,其驾驶员操纵特性也相似.因此,提出了一种利用相似构型的驾驶员操纵行为特性建立驾驶员预测模型的方法.通过对预测模型进行精度评价,可以证明采用本方法能够获得比较满意的驾驶员操纵行为特性预测结果.     

基于非线性PID控制的无人机飞控系统优化设计

针对固定翼无人机的飞行控制律设计问题,提出了一种基于非线性PID控制原理的控制器。该控制器的比例、积分、微分增益是控制误差的非线性函数。确定该组函数的参数主要根据最优控制理论选择性能指标,采用遗传算法寻优。在此基础上,实现对无人机飞行控制律的优化设计。仿真结果表明,使用该控制器设计的无人机飞行控制回路比用常规PID控制器表现出很大的优越性。     

叶片振动应力的叶根振动监测法及实现技术

提出一种航空螺旋桨叶片振动应力监测方法—叶根振动监测法,通过监测螺旋桨振动来获得叶根振动激励,建立叶片振动计算传递矩阵模型,并由叶根激励振动计算叶片的振动响应和振动应力,进而实现对叶片振动应力的监测.叶根振动可以通过直接测量或由螺旋桨转子支承机匣监测振动换算获得.最后,通过对比桨叶振动应力的计算结果与飞行试验实测结果验证该方法.结果表明,叶根振动监测法简便、易行,可以进一步应用.      

5坐标加工中干涉检测的凸包算法研究

提出了运用凸包法解决在五坐标中加工干涉的算法.在干涉检测中用了一种算法,即快速检测法,快速检测法通过使用曲面的控制网格获得刀具的可行位置.在快速检测中,根据参数曲面的凸包特性粗检现行的刀具方向与凸包之间是否存在干涉,若不存在,则刀具方向是可行的;否则,则不可行.     

单端正激ZVT功率变换器实现

介绍一种单端正激工作方式的零电压过渡（ＺＶＴ）软开关ＤＣ－ＤＣ变换器;描述该变换器的原理和特征;给出了应用ＺＶＴ软开关技术和集成控制块ＳＧ３５２５Ａ的２４Ｖ／９ＡＤＣ－ＤＣ变换器电路和实验结果。     

1、2液压系统串油故障分析

某型教练机液压系统为双液压系统,平尾操纵、方向舵操纵和副翼操纵的作动器为第1、2液压系统交联部位,可能造成液压油互串,如果串油量过大,可能造成某一系统失效,危及安全.本文从一起串油故障入手,回顾了故障分析、判断和排除的过程,进行了故障原因分析,提出了针对性的措施和建议.     

时间比对中时间间隔测量与频率源比相的关系及其应用

目前的时间比对中通常采用时间间隔测量仪作为测量仪器,在这种条件下时间间隔测量仪的分辨力制约时间比对的分辨力。分析了时间比对过程中的时间比对和频率源比相之间的关系,提出了利用频率源比相测量间接完成时间比对的思路并完成了验证上述思路的实验。指出了这种间接测量的优点。     

"预先"进化遗传算法研究

遗传算法在对单目标函数的静态寻优中表现出了良好的收敛性和鲁棒性。但是在优化目标动态变化,要求很快给出优化结果时,由于遗传算法运行时间较长,就难以实现。本文提出的“预先进化遗传算法”,就是为了使遗传算法具有动态性能,能够适应优化目标的动态变化,提高寻优的实时性。算法主要思路是借助于并行计算技术、在确定优化目标(决策)过程中就对可能的多个优化目标函数的优良个体进行培养。一旦优化目标确定,在预先培养的优良个体的基础上可以快速寻优。这样就使遗传算法能够适用于优化目标可变的动态环境。文中描述了“预先”进化遗传算法的实现算法,并证明了算法的有效性。最后对算法进行了验证。通过实例可以看出,采用传统遗传算法,单目标函数优化一般要迭代300次,才能够得到较理想的优化结果。而“预先”进化遗传算法经过150次左右的多个目标同时预先进化后,对具体目标的进化只需要50次左右就收敛到较理想的数值。由于预先进化是与决策具体的优化目标同时进行,因此可以实现优化目标确定后的快速寻优。