异步电机定子绕组匝间短路故障诊断研究

将负序电流作为异步电机定子绕组匝间短路的故障特征量,在提取时易受谐波、噪声等因素的影响,而频谱分析也较为复杂,故障诊断的可靠性和高效性难以兼顾。为可靠高效地诊断异步电机定子绕组匝间短路,在多次派克变换的基础上,提出故障特征量Izpg以反映故障。首先根据故障后的电机磁场推导出故障后定子中存在的电流频次;然后得到非理想工况下,利用多次派克变换提取故障特征量Izpg的表达式;最后建立故障后异步电机的多回路数学模型,对理想工况和非理想工况下定子不同严重程度的匝间短路进行仿真。分析结果表明,Izpg和故障严重程度正相关且对电压源不平衡这类非理想工况呈现鲁棒性,用Izpg诊断异步电机定子匝间短路具有高灵敏性与高可靠性。     

CAD在导引头伺服系统建模中的应用

从实际应用角度出发,系统地分析了计算机辅助时域建模和频域建模的方法、特点及相互关系.介绍了在工程中如何选择试验方法和试验参数,给出了计算机辅助建模的实用算法及程序.已形成的计算机辅助建模CAI软件包全部用FOR-TRAN 77语言编写汉字人机对话.软件包运行环境:任何能编译FORTRAN77的操作系统.     

空对地攻击弹道回归分析研究

本文以逐步回归分析为核心,介绍了一种先进的弹道处理方法,讨论了这种方法应用于具体火控攻击方式下的实际效能。     

一类双三次样条曲面及其应用

在生产上,对已有的实物模型,通常要了解其整体结构,以便能够制造相应的模具,成批生产与实物模型类似的产品。这一工作如果由计算机辅助完成,即为计算机辅助放样。本文根据压气机叶片图纸提供的位于不同截面上的叶型坐标离散数据,建立了叶型面的数学模型,还对离散数据进行曲面拟合,形成的曲面除叶片型面之外还包含它的延伸曲面。     

某型主燃油泵调节器离心飞重在油液中的轴向力计算

针对某型涡扇发动机离心飞重在油液中工作时轴向力的计算问题,提出了一种带油液修正的计算方式。首先确定其数学模型,再通过换算离心力的计算公式建立转速测量装置模型,为了验证其准确性,通过计算结果建立AMESim模型,并与该型发动机实际性能测试数据进行了对比。结果表明,离心飞重AMESim仿真模型输出结果与试验结果一致,该计算方法可以很好地模拟离心飞重的实际工作情况。     

涡轴发动机导叶控制系统建模仿真及其PID控制器改进

通过对航空涡轴发动机数字式导叶控制系统各个环节分析计算,建立了系统的数学模型,在系统仿真分析的基础上,对PID(proportion integral derivative)控制器进行了改进设计,提出了不完全微分先行二阶PID控制方法.试验结果表明,使用不完全微分先行二阶PID控制方法,导叶控制系统性能明显改善:响应迅速,无振荡,仅有很小超调,满足了系统研制性能要求.      

自适应变搜索域遗传算法及其在发动机模型中的应用

针对发动机数学模型中非线性方程插值解法的不足,提出非线性方程自适应变搜索域遗传算法解法。论文详细分析了方程求解转化为遗传算法优化的数学描述、依据方程解临域特征的自适应变搜索域机理及算法的具体实现技术。实例计算与发动机仿真结果说明:所设计的变搜索域遗传算法可作为通用的非线性方程解法,相比较于简单遗传算法,能成倍提高计算效率;替代插值解法应用于发动机模型,可有效提高模型的收敛性。     

基于Φ函数的等熵膨胀过程数学模型

为了解决航空发动机总体性能计算中,主要的等熵膨胀过程数学模型中存在理想状态值的计算,使计算结果与实际值相比产生一定误差的问题.从过程效率定义式入手,推导出基于Φ函数的等熵膨胀过程数学模型.与基于熵的等熵膨胀过程数学模型以及带理想状态值计算的等熵膨胀过程数学模型的计算结果进行比较与分析之后,得出结论是：①基于Φ函数的等熵膨胀过程数学模型的应用可使计算精度得到提高;②基于Φ函数的等熵膨胀过程数学模型的应用较为简便,可以提高编程效率和计算效率.     

基于小波神经网络的直升机主减速器故障诊断系统

应用离散小波变换(DWT)和神经网络相结合构建直升机主减速器速器故障诊断系统: DWT对振动信号进行特征提取,神经网络对故障进行辨识和分类。阐述了DWT、帕塞瓦尔定理和广义回归神经网络(GRNN)基本理论,提出了直升机主减速器的故障诊断系统流程图,最后用某型直升机飞行时主减速器上的振动数据对该系统进行验证。实验使用了BPNN(back-propagation neural network)和GRNN两种神经网络,结果表明:提出的故障诊断系统能对主减速器故障进行较好的辨识和分类,这将为直升机主减速器故障诊断系统的进一步开发提供新的技术参考。      

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题,提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络,将位姿测量问题转换为空间目标点云关键点回归问题,通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点;其次利用具有连续稳定标签的角点求解目标姿态,可有效解决目标的对称结构导致的点云误配准问题;最后通过仿真数据集的实验表明,该方法相比于传统的点云配准方法有更高的准确率,能够精确求解具有对称结构的空间目标相对位姿。