发动机故障诊断主状态量模型的数学模型

发动机故障诊断的一种主要方法是根据故障方程和发动机性能参数的测量值确定故障的类别和故障程度,故障方程组通常是亚定的。主状态量模型是求解亚定的故障方程的有效方法。主状态量模型的主要内容是根据最少故障原理,利用最优化方法求解然后根据合理性准则选择合理最优解。本文详细地讨论了主状态量模型可能采用的数学模型,并且指出:(1)主状态量模型可以采用不同的数学模型求解;(2)并非所有的数学模型都能给出合理的结果。本文的研究结果表明,约束或无约束超定最小二乘法和单个优选的散度法是发动机故障诊断主状态量模型的理想算法,而本文中所讨论的其他算法都或多或少存在一定的问题。     

研究转子内流动的大尺寸轴流压气机实验装置和动态测量技术

本文在评述国外同类技术的基础上,介绍近年研制成的,以研究转子内流动为主要对象的低速大尺寸轴流压气机实验装置和动态测量技术,包括实验台、旋转四坐标全电动探针位移机构、并行多通道高速数据采集器、高频压力探针及一整套高频压力探针、热丝和激光多普勒动态测量技术,列举了典型的转子内和转子进、出口复杂流场测量结果。      

连翼机低速气动特性实验研究

连翼机具有前、后机翼,前翼后掠上反,后翼前掠下反;后翼在前翼展60％～100％之间与前翼相连。其前视图和俯视图均构成菱形。在低速风洞中对连翼机进行了纵向及横向测力实验,其中包括前、后翼几何参数改变对气动特性的影响。实验表明,与常规飞机相比连翼机具有如下优点:诱导阻力小,升阻比大且具有较好的失速特性。改变连翼机前翼上反角和后翼下反角对纵向气动特性影响不大,对横向气动特性有明显影响。减小前翼外段的后掠角可使俯仰特性得到改善。     

中推预研核心机高压涡轮导向叶片结构特点

介绍了中推预研核心机高压涡轮导向叶片的结构特点及其对试制工艺的要求，该导叶是将高温耐热合金叶身与上，下缘板分开精铸后高温钎焊而成的极其复杂的多层次爆组合件。按照“对流－冲击－气摸”复合式气冷的要求，用激光和电光花等加工方法，在叶片的各部位打出了数众多的气膜孔和冲击孔，工艺难度很大，经过攻关后才得以实现。     

EMD和SVM在刀具故障诊断中的应用

与传统方法相比,声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中,提出了基于经验模态分解（EMD）和支持向量机（SVM）的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解,将分解后的有限个固有模态函数（IMF）通过一定的削减算法增强故障类型特征,把每个IMF和残余项的能量以及整个信号的削减比作为特征向量,最后将特征向量输入支持向量机进行训练和测试,判断刀具的故障类型。通过对某一刀具的故障诊断结果进行分析,验证了该方法的实用性和有效性。     

基于等效系统拟配的人-机闭环系统稳定性研究

对于现代带电传操纵系统飞机,其人-机闭环系统是非线性高阶复杂系统.针对带电传操纵系统人-机闭环系统稳定性问题,运用遗传算法在频域内对人-机闭环高阶系统进行了等效拟配,提出应用根轨迹法对拟配得到的低阶等效系统进行稳定性分析.仿真结果表明,用遗传算法进行等效拟配能够避免初值选择问题,拟配精度较高.所提方法能够考虑到驾驶员环...     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...