分段拓扑修形齿轮的成形磨削与试验

基于成形磨削的几何原理和机床运动学原理,提出了斜齿轮副的一种分段拓扑修形方法.通过改变齿顶和齿根处渐开线的发生线长度实现齿廓分段修形;给砂轮附加一个抛物线+直线的径向进给运动实现齿向分段修形.推导出基于成形磨削过程中拓扑修形齿面的计算公式,对修形齿面的边界进行了划分,建立成形磨齿机各伺服轴的运动方程.根据齿面的数值模拟结果,在五轴数控(CNC)成形磨齿机上进行磨削加工与在机拓扑测量,验证了成形法实现齿面拓扑修形的可行性. 对给定转速和负载工况下的齿轮箱进行加载试验,齿轮箱振动能量级幅值下降0.008dB,噪声减小约2dB.研究表明分段拓扑修形有利于降低齿轮传动振动和噪声.      

涡扇发动机熄火故障在线检测方法

采用机载可测量的高压转子物理转速、低压转子物理转速和发动机进口总压等参数,建立了基于换算加速率的熄火故障在线检测方法。经全包线发动机工况计算仿真和试验验证,熄火过程的高低压转速加速率幅值为减速和喘振过程的1.5~5.0倍,高压轴断裂过程的高压转子加速率幅值是熄火过程的6.0~10.0倍,低压轴断裂过程的低压转速加速率幅值是熄火过程的2.0~3.5倍。这些特征能够将熄火与减速、喘振和断轴等瞬态过程明确区分。经发动机试车验证,该方法检测时间为0~0.3s,检测率100%,未发现误检和漏检。      

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

基于改进支持向量机回归的非线性飞机结构载荷模型建模

为进行飞机结构载荷安全监控并为飞机结构疲劳寿命评估积累相关数据,需建立与飞行参数相关的 飞机结构载荷模型。针对飞机结构载荷与飞行参数之间的非线性关系,采用改进停机准则的 SMO 算法及粒 子群模型参数优化算法对支持向量机回归方法进行改进,并通过飞行动力学理论分析结合皮尔逊相关系数的 方法对参与建模的飞行参数进行选取。以飞机跨声速俯仰机动为例,建立机翼某一测载剖面结构剪力模型,并 对该建模方法进行仿真验证。结果表明:采用改进支持向量机回归方法所建立模型精度优于原始支持向量机回归方法建立的模型,即采用改进支持向量机回归方法可提高建模精度及泛化能力。     

脑机接口等新兴科技对传统外科重建肢体功能的启示

肢体瘫痪是人类致残的最主要原因,仅脑卒中等造成的偏瘫在我国就达两千余万患者,长期“无医可治”。中国原创的左右颈七神经交叉移位,将瘫痪上肢神经换接到同侧健康大脑,不仅偏瘫肢体功能显著恢复,更进一步更新发展了传统脑科学理论。然而对于脊髓损伤后肢体瘫痪或严重肢体残缺患者来说仅依靠医学方法尚不能有效治疗。近年来,围绕传统脑电技术发展而来的脑机接口等新兴技术衍生出的交叉学科逐渐兴起,拥有能够解决医学遗留难题的潜能,在国内外掀起一番热潮。作为国家战略需求,研究者应当抓住机会,加大力度支持跨领域、多学科融合,共同研发肢体功能重建新方案,实现新兴科技与中国原创技术融合的再次突破。     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。     

面向多种复杂零件的高精度人机协同装配系统

实现复杂三维结构体及小刚度零件的自动装配是极其困难的,为了解决此类零件难以夹持以及夹持变形的难题,分别设计了针对复杂结构的本体件快换夹持器和针对小刚度零件的气囊柔性夹持器以及针对微小平板类零件真空吸附式夹持器,并融合高精度调整技术以及合理的检测技术,设计了一台面向多种复杂零件的高精度人机协同装配系统。使用Abaqus仿真计算了气囊柔性夹持器对小刚度零件夹持变形的影响,零件特征面的弹性变形仅为1μm。通过装配间隙仅为32μm的轴孔对位装配实验,证明了该装配系统能完成零件间2μm~3μm高精度装配。该装配系统能够解放劳动力,提高生产装配的自动化。     

叶片飞脱下转子动力学响应实验

为了研究大涵道比涡扇发动机叶片飞脱时动力学响应,更好地进行发动机安全性设计,根据相似理论设计了包含叶片飞脱装置的突加不平衡实验系统并进行了实验验证。研究结果表明:设计的突加不平衡实验系统,与某型验证机相似度高,代表性强,能够有效可控地进行突加不平衡实验,重复性好,机理清晰且飞脱不平衡量大,能够真实地模拟发动机叶片飞脱响应。通过实验发现,当大突加不平衡发生时,频谱出现超次谐波并且冲击系数由于挤压油膜阻尼器限幅作用并不呈现线性关系,因而在后续研究中还应注意限幅导致的碰摩问题。      

基于早期数据的航天测控软件缺陷预测

为提高航天测控软件的质量与可靠性,提出一种基于改进的PSO-SVM(Particle Swarm Optimization-Support Vector Machine,粒子群优化支持向量机)方法的航天测控软件缺陷预测模型。针对航天测控软件领域特征,构造了基于软件生命周期的软件度量集,并收集了实际航天测控软件的度量和缺陷数据,通过对软件历史版本数据的学习,在软件当前版本的生命周期早期数据的基础上进行缺陷预测。实例应用结果表明,采用历史版本软件数据对当前软件版本进行缺陷预测,从全局来看可达90%的预测准确度。因此,该方法可用于对航天测控软件的缺陷预测。     

基于单纯B样条的航空发动机机载稳态模型研究

为了减小航空发动机稳态建模的模型误差、降低复杂度及提升其实时性,提出了一种基于单纯B样条函数的航空发动机稳态模型建模方法。该函数是局部多项式基函数的线性组合,因此求解该函数为线性回归问题,通过运用广义最小二乘方法来求解B系数,从而提高计算效率和提高模型精度。最后建立了基于该算法的二维和四维涡扇发动机稳态模型,并分别与相同建模样本条件下的多输入多输出约简迭代最小二乘支持向量机稳态模型进行了比较,表明了单纯B样条建模方法不仅继承了B样条的算法复杂度低、存储数据量小和实时性好等优点,同时避免了最小二乘支持向量回归机不能拟合大样本数据的缺点,且拟合效果优于最小二乘支持向量机。