近红外在线检测硝胺推进剂主要固体组分含量

研究了近红外方法对硝胺推进剂主要固体组分含量进行在线检测的可行性。参照吸收药制备过程的搅拌分散条件,配制黑索金、硝化棉和水的混合体系并用光纤探头直接采集近红外光谱,以偏最小二乘法分别对黑索金、硝化棉建立定量校正模型,模型相关系数R分别为0.997 1、0.989 5;预测标准偏差RMSEP分别为0.096 8、0.111 0。运用上述模型对单个样品进行检测,从光谱采集到得出结果耗时小于30 s。实验表明,近红外方法快速、准确,具备在线检测硝胺推进剂主要固体组分含量的可行性。     

吸气式高速飞行器爬升-巡航轨迹在线优化

针对吸气式高速飞行器的大气层内爬升和巡航飞行段,进行了在线轨迹优化设计。与传统的爬升段结合定高定速巡航轨迹形式不同,采用优化的方法得到的轨迹能够保证性能指标的最优性。首先,将轨迹优化问题建模为非线性最优控制问题,控制量包括攻角、倾侧角以及燃油当量比。然后,对问题的非线性进行了处理,将变量进行离散化,得到凸优化问题。分析了飞行器的气动和推力特性,设计了优化变量的初始参考。最后,设计算法的外环迭代策略,将每一次求得的解作为参考轨迹进行下一次迭代计算。数值仿真结果表明,该方法能够解决吸气式高速飞行器爬升巡航段轨迹优化问题,并且求解时间满足在线轨迹优化要求。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

系统误差的在线校正

该文针对测控仪器测量中存在系统误差的普遍性及一般的系统误差处理方法的局限性给出了一种系统误差在线校正的实用方法，并用实例予以说明。     

基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。     

航空发动机叶尖间隙在线测量技术研究综述

叶尖间隙是航空发动机设计和试验的关键参数,直接影响发动机的工作效率和运行安全。航空发动机叶尖间隙的实时在线监测已成为测试大纲中的必备项目。随着新型航空发动机的发展,叶尖间隙测量技术进一步成熟和深入。介绍了叶尖间隙在线测量原理,阐述了系统典型结构及常用测量流程,归纳了叶尖间隙在线测量的6大关键技术,详细分析了放电探针法、光纤法、电容法、电涡流法和微波法等叶尖间隙测量方法的工作原理、性能特征、关键技术发展历程及未来发展方向,对比总结了各种方法的研究成果和最新产品,提出了叶尖间隙测量领域的发展趋势与展望,从6个方面总结了叶尖间隙测量领域的未来重点研究方向,为后续研究提供参考。     

1 000 MW超超临界锅炉结渣特性预测模型

根据1 000 MW超超临界锅炉的实际运行数据,对其结渣特性进行研究和分析。建立了基于煤灰特性的锅炉结渣特性预测模型,包括单一指标和综合指标的各预测模型,这些预测模型能简单、快速地预测锅炉的结渣特性。但对于锅炉燃用煤质不均匀或采用混煤燃烧等情况,这类预测模型的准确性和可靠性将下降。同时根据锅炉运行时的实时监测数据,建立了基于炉膛清洁因子的炉膛结渣特性在线监测模型,通过炉膛出口后各受热面进出口蒸汽温度、流量,以及省煤器出口烟气温度等有关参数,利用反平衡法计算求得此时的炉膛出口烟气温度,然后求出炉膛的平均热有效性系数和炉膛清洁因子,最后根据清洁因子的大小来判断锅炉的结渣特性。该模型不仅能根据锅炉运行实时数据的采集,实现锅炉结渣特性的在线实时监测,而且能对煤质不均匀或采用混煤燃烧等情况的锅炉结渣特性做出较准确的判别。     

基于增益在线辨识的微机电陀螺 标度因数补偿技术研究

标度因数温度稳定性是微机电陀螺的关键指标之一,是评价陀螺温度性能的重要依据。推导并分析了温度对陀螺标度因数的影响,指出驱动模态振动位移、检测通路电路增益及两模态频差是影响陀螺标度因数温度稳定性的3个重要因素,测试了对标度因数影响较大的电路增益和频差在温度变化条件下的变化。对此设计了基于增益在线辨识技术的标度因数温度补偿方案并进行了数值及宏模型仿真,通过在驱动端和检测端施加一远离陀螺工作频率的辅助信号实时辨识出电路的增益变化,进而进行增益补偿,同时对陀螺频差变化带来的影响也进行了补偿。仿真结果表明该方法能够大幅提高陀螺标度因数的温度稳定性,由未补偿下的7.93×10~(-4)/℃降至1.0×10~(-5)/℃以内,改善幅度达98%以上。     

固体火箭发动机推进剂/衬层界面贮存性能研究进展

针对固体火箭发动机推进剂/衬层界面,从性能失效、组分迁移、表征方法和在线监测四方面综述了界面贮存性能研究进展。首先,从界面脱粘和裂纹扩展两方面讨论界面贮存性能失效,提出有必要探索准确获取界面性能参数的方法和发动机层次的界面裂纹扩展试验方法,以完善发动机界面性能失效分析体系。其次,分析增塑剂和安定剂等不同组分的迁移机理,认为分子动力学模拟能降低组分迁移机理研究的成本。如能进一步与组分迁移抑制的工程经验相结合,建立完整的界面组分迁移模拟和评价体系,对组分迁移机理研究具有重要意义。再次,从宏观、细观和微观多个层次讨论了界面贮存性能的表征问题,提出应构建“宏观-细观-微观”的跨尺度综合表征体系,由浅入深,从不同尺度和不同特性全面表征界面贮存性能。最后,分析了实现界面贮存性能在线监测的主要技术途径,指出集成化、微型化和适应性是界面在线监测需要攻克的关键技术。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。