航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

基于局部三角变换的OFDM系统

正交频分复用(OFDM)调制技术由于具有良好的抗多径干扰能力和高效的频谱利用率,在许多数字传输系统中被广泛应用,成为当今卫星通信研究的热点。本文提出了基于局部三角变换（LTT）的OFDM系统模型,该系统带外频率谱密度下降快,并能保持相邻的OFDM符号的正交性。给出了用离散余弦变换（DCT）实现的快速算法及复杂度,并考查了最优基的选取。仿真和分析结果表明：该系统误码率比基于快速傅里叶变换（FFT）的系统更小,能更好地适应高速传输带来的大多普勒频移,更有效地利用带宽,为接收端对高速数据的解调提供很好的保证。     

吻切锥乘波构型参数化设计与正交试验分析

为了获得外形控制参数对吻切锥乘波构型性能的影响程度,通过分析吻切锥乘波构型的生成特点和生成方法,在其参数化设计的基础上,运用正交试验设计方法分析了各个控制参数乘波构型性能的影响,确定了对气动性能和容积率影响较大的参数,为进一步合理确定优化空间和优化策略提供指导。运用CFD方法对典型外形进行了性能分析,结果显示:吻切锥乘波构型具有较高升阻比,下表面中心区流动均匀,可为高超声速飞行器机身/进气道一体化提供参考。作为应用,基于正交试验结果设计了以吻切锥乘波构型作为前体的一个高超声速飞行器,验证了设计方法的合理性。     

纸基蜂窝模块化固持方法研究

 基于磁场与摩擦学蜂窝芯材料固持原理,提出复杂型面纸基蜂窝零件固持平台的模块化设计思想。运用移动模块、固定模块、模块夹具以及导磁体和隔磁体解决了该原理中磁路控制问题,实现了复杂曲面零件在模块化固持平台上的加工固持。通过理论分析和有限元仿真研究了固持系统中蜂窝孔格的受力,分析了固持系统的特点和可靠性,以及永磁体厚度、固定平台高度、铁粉填充高度和平台间隙对磁场力的影响规律。实验与仿真结果表明,模块化固持平台能够满足复杂曲面蜂窝铣削加工的固持要求。     

基于神经网络模型的动态非线性气动力辨识方法

 在标准径向基函数（RBF）神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。     

高性能航空有机硅胶黏剂的研制

采用气相法白炭黑、自行合成的MQ硅树脂改性有机硅103基胶,作为室温硫化双组份(RTV-2)胶黏剂的甲组份,用硼酸正丁酯及二月桂酸二丁基锡的混合物作为乙组份,通过调节甲乙组份的比例研究MQ硅树脂对RTV-2胶黏剂活性期的影响,研究了MQ硅树脂性能及用量对胶黏剂的粘合强度、拉伸强度、扯断伸长率等的影响,以制备室温硫化高粘接性能的航空用双组份有机硅胶黏剂。结果表明:MQ硅树脂和气相法白炭黑均对103基胶有较好的补强作用,MQ硅树脂对胶黏剂的粘度影响不大,气相法白炭黑对胶黏剂的粘度影响较大;所研制的高性能有机硅胶黏剂的粘合强度大于2.5MPa,活性期大于1.5h,扯断伸长率大于210%,拉伸强度大于3.0MPa,可耐-60～300℃,适合于粘接金属与硫化硅胶板。     

一种小波变换像空间的再生核

利用一个常用的调制高斯函数作为小波母函数,得到小波变换像空间的再生核函数的具体表达式和小波变换的等距恒等式,并分析了小波变换像空间的结构,为一般的小波变换的像空间的研究提供了理论基础。     

镍基单晶合金蠕变研究:试验、机理及材料模型

在镍基单晶合金高温蠕变建模研究工作的第一部分,通过对DD6镍基单晶合金不同中断时间的高温蠕变试验及透射电镜(TEM)观察,结合单晶合金蠕变机理的研究成果阐明了单晶高温蠕变的机理,并从Orowan方程出发,在晶体塑性理论框架下建立描述晶体滑移系上位错演化规律的方程,发展了以位错密度变化表征镍基单晶高温蠕变的材料模型.该模型考虑了较宽温度与载荷范围内单晶的主要蠕变机理,可较好地建模750～1100℃范围内镍基单晶的各向异性蠕变行为.      

硬车削过程中声发射和振动信号的监测及分析

为了对硬车削过程进行监测和分析,本课题建立了一套基于虚拟仪器的信号采集系统,采集模具钢硬车削加工过程中的声发射和振动信号.对声发射和振动信号进行小渡变换并重构后,发现硬车削过程中的声发射和振动信号都与转速密切相关.随着转速的增高,淬硬钢的声发射信号也随着增大,但振动信号却随之减小.     

小波神经网络在航空发动机故障诊断中的应用

针对某型航空发动机构建了转子-滚动轴承动力学仿真模型,并利用该模型构造了三种发动机故障样本.研究中采用松散型的小波神经网络,先对构造的三种故障信号进行小波包特征分析,提取其能量特征向量作为神经网络的输入,再采用改进的BP神经网络分类器进行发动机故障模式识别.仿真结果表明,基于小波神经网络的信息融合技术用于发动机的故障诊断是可行的和有效的.