压电悬臂梁智能元数字仿真模型设计及分析

针对在薄壳结构上层合压电传感器与作动器的智能结构系统进行振动控制问题,提出了一种专用的数字电路化智能元仿真模型进行振动特性分析的新方法.以压电悬臂梁系统为例,利用有限差分方法将主体结构、压电传感信号及压电控制力矩的动力学偏微分方程转化为智能元差分方程;建立基于Newmark-β积分方法的智能元数学矩阵模型;在DSP数字电路系统上设计智能元仿真系统;对不同差分密度和积分时间步长下系统各个模态的输出特性进行了分析,并与相关文献中采用不同控制方法的模拟电路仿真结果进行了比较,取得了更精确的结果.该方法为压电结构系统的振动特性仿真分析提供了新途径.     

基于复合疲劳试验的涡轮叶片振动应力反推法

提出了一种利用复合疲劳试验和外场故障数据反推涡轮叶片实际振动应力的方法.该方法针对与故障叶片同批次的叶片,开展数个振动应力水平下的单件试验和某一特定振动应力水平下的成组试验,利用极大似然法推导出叶片的概率-应力-寿命曲线(P-S-N);最后基于99.87%存活率下的概率-应力-寿命曲(P_99.87%-S-N),结合叶片的外场故障统计结果,反推出叶片实际工作中振动应力的范围和可能的最大振动应力.      

基于交互式多模型滤波算法的航迹预测

航空器航迹预测是空中交通冲突探测与解脱,以及进离场管理等空中交通管制自动化系统的重要组成部分。基于混杂系统理论,描述航空器在水平面的运动模型,并针对航空器运动的多样性和不确定性提出了利用交互式多模型的航空器航迹预测算法。将算法应用于航空器的航迹预测,并与单一模型的卡尔曼滤波、α-β滤波和α-β-γ滤波的仿真预测结果对比,结果表明算法的有效性。     

基于数值微分方法的卫星陀螺故障诊断(英文)

提出一种基于数值微分的卫星陀螺故障诊断方法。通过引入代数可观测的概念,将故障诊断问题转化为求解数值微分问题。并根据卫星姿态运动学方程证明了陀螺故障的代数可观性。然后通过高增益观测器的方法来近似姿态敏感器测量输出的数值导数,并利用李雅普诺夫理论分析和设计高增益观测器。基于陀螺故障的代数可观性和星敏感器测量输出的数值微分,可以直接得到陀螺组件的故障估计值。最后,通过突变、缓变和并发故障等仿真算例验证了算法的有效性,仿真结果表明所提出的方法不仅可以检测故障的发生,而且能够估计故障幅值。     

飞轮传感器的高斯混合模型故障检测方法

针对闭环控制的飞轮系统,本文采用一种基于高斯混合模型(GMM）的故障诊断方法检测飞轮的传感器故障。姿态机动的反作用飞轮是一个多工况系统。通过飞轮的历史观测数据建立飞轮的GMM模型,它用有限个高斯函数的加权组合来有效地拟合多工况的观测数据,利用基于贝叶斯推理的后验概率（BIP）指标计算新样本偏离GMM模型的程度,该指标能避免由于数据分类不确定而引起的误检测问题。仿真结果表明BIP指标不需要复杂的数学建模就能准确检测飞轮传感器故障。     

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

翼型湍流尾缘噪声半经验预测公式改进

改进了传统的翼型湍流边界层尾缘噪声BPM半经验预测公式。传统的BPM半经验湍流边界层尾缘噪声预测公式对高攻角和厚翼型在高频范围的预测结果大于实验结果,通过分析比较传统BPM半经验预测公式和Howe翼型尾缘噪声理论模型发现:这主要是由于传统BPM半经验预测公式对压力面声源噪声辐射高估引起的。因此将压力面声源噪声辐射与吸力面声源噪声辐射的幅值比由原来的边界层位移厚度一次方比值改进为二次方比值,进而得到了改进后的BPM半经验预测公式;使用改进后的BPM半经验预测公式对NACA0012翼型在不同来流不同攻角下的噪声辐射进行了预测比较,发现对于NACA0012翼型,改进后的BPM半经验预测公式具有较高精度;另外也预测了较厚的风力机翼型DU-96-W-180,预测结果明显改善。     

基于小波尺度函数的WSK-SV算法 及其气动性能预测

提出了一种将小波的尺度函数与SV(support vector)算法相结合的WSK-SV(wavelet scaling kernel-support vector)新算法,并将Daubechies小波以及Shannon小波的尺度函数分别构成尺度核函数,而且分别作为SV算法中一个可容许的支持向量核函数使用.该算法充分利用了Daubechies小波函数的紧支集与正交等特点以及小波的MRA(multi-resolution analysis,多分辨分析),并注意了尺度核函数能够满足Mercer条件.该算法除了具有通常SVM(support vector machine)所具有的优点外,还具有很好的收敛性以及泛化能力,能够有效地提高学习与预测效率.典型算例选取了不同的小波尺度函数,数值计算表明:在一维、二维和三维问题中,这些小波的尺度函数均可以用于WSK-SV算法,进而显示了这个新算法的可行性与通用性.      

基于BP网络的机载导弹备件需求量预测

针对机载导弹部署后期与备件有关的各项保障数据比较充足的情况,在进行备件需求量影响因素分析和量化的基础上,应用BP神经网络模型对其进行了预测。仿真结果表明,充分利用了各有用数据,能有效提高预测的可靠性和准确性。     

航空发动机性能参数联合RBFPN和FAR预测

排气温度是最能反映航空发动机运行状态的性能参数之一.对连续飞行班次的起飞排气温度裕度(EGTM,Exhaust Gas Temperature Margin)参数进行预测分析,有助于判知航空发动机将来的工作性能,为预防和排除故障提供充分的时间和决策依据.在依据具有非线性、非平稳特征的起飞EGTM历史监测值序列构建预测模型时,基于奇异值分解滤波算法提出了一种联合径向基函数预测网络(RBFPN,Radial Basis Function Prediction Networks)和函数系数自回归模型(FAR,Functional-coefficient Auto Regressive model)的预测方案,充分发挥RBFPN和FAR在预测EGTM参数值变动趋势成分和随机成分的各自优势,使其互为补充,协同处理.实验结果表明该联合预测方案能够有效抑制RBFPN或FAR单独采用时所呈现出的不足,提高预测性能.