某减压阀静态特性分析

建立了某减压阀静态特性模型,并用实验验证了模型的正确性.通过仿真讨论了膜片有效面积、网芯不平衡面积和阀门总刚度对减压阀静态特性的影响.结果表明:阀门总刚度的影响较大,而膜片有效面积和阀芯不平衡面积的影响相对较小.     

钣金零件毛坯展开计算方法研究进展

通过对钣金零件毛坯展开方法的论述,可以看出以几何映射法为基础发展起来的各种方法在确定钣金零件毛坯的初始解方面,有着不可替代的快速性优势;随着计算机技术和有限元技术的发展,软件使用进一步简单化,有限元增量法和有限元逆算法将会得到更为广泛的应用,同时也将成为数字化钣金精密成形的主要工艺手段;另外,随着人们对高分子复合材料性能的进一步探索研究,以及对物理逆向法实用化工艺问题的研究,物理逆向法在未来可能成为一种行之有效的方法。     

液体火箭发动机实时故障仿真系统实现

基于液体火箭发动机故障诊断方法实时验证的需求，考虑目前微处理器的技术水平，通过对发动机全阶非线性动态数学模型合理的折衷处理，建立了发动机降阶非线性模型，发展了基于该模型的实时故障仿真计算方法及仿真软件系统。仿真计算结果和实践表明，该模型在精确性、实时性等方面可以满足实时性验证的要求；实现的仿真软件系统具有良好的汉化人机交互界面，可操作性好，移植、维护、升级方便。     

液体火箭发动机启动过程实时在线故障检测算法

利用神经网络技术实现了液体火箭发动机启动过程的非线性辩识；提出并实现了一种基于辩识误差检验的故障检测策略。经大量实际发动机热试车数据验证表明，所提出的检测算法十分有效。由于算法所利用的监测参数均系实际发动机地面试车中所测量的参数，且检测算法在线工作时计算量十分小，因而所提出并实现的检测算法可以直接应用于工程实际。     

模糊极小极大神经网络在火箭发动机故障分类中的应用

研究了一种用模糊集表示火箭发动机故障模式的神经网络分类器。模糊集是由模糊超立方体聚集形成的集合体，模糊超立方体是一个极小点和极大点构成的用隶属函数表示的ｎ维方盒。极小点和极大点的确定用包含有扩张与收缩阶段的模糊极小极大学习算法实现，这种算法能在一次循环学习中形成非线性模式边界，无需对已知故障模式重新训练就可融合新样本和精炼已存在的故障模式。模糊集用于故障模式分类自然地提供了故障更刘水平分类的有用信     

液体火箭发动机一种通用模块化仿真方法

为了研制一种较为通用的液体火箭发动机工作过程的仿真软件，依据模块化建模思想，建立发动机各组件的Simulink仿真模块。根据发动机系统中各组件之间的参数信号传递关系，连接各模块的相应输入输出端口即形成整个发动机系统的仿真模型。对某型发动机的起动过程进行仿真计算，结果表明这种模块化的建模仿真方法易操作，较通用。     

基于模型知识的液体火箭发动机故障诊断方法研究

提出了一种基于定性模型的液体火箭发动机故障诊断方法，该方法首先通过建立发动机的定性偏差模型。以及对故障模式进行效应分析组建发动机的诊断模型知识，然后通过检测模型与系统实际行为的一致性进行故障诊断，用某实际大型发动机的故障数据进行测试的结果表明该方法是一种有效的定性故障诊断方法。     

液体火箭发动机基于定性键合图模型的故障诊断方法研究

结合基于模型知识的诊断推理方法和键合图理论在定性建模方面的优点，提出并研究了液体火箭发动机基于定性键合图模型的故障诊断方法。以某大型泵压式液体火箭发动机为研究对象，建立了其定性键合图模型，给出了基于此类定性模型的故障诊断机制，并利用仿真数据验证了诊断结果，对该方法及其结果进行了详细的分析。研究结果表明，该方法具有诊断快速有效和易实现的优点。     

基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。