飞机前轮随滑行速度限偏的分析研究

飞机在起飞降落阶段前轮偏度过大会发生侧翻,应根据滑跑速度合理限制前轮的偏度。基于侧翻现象发生的原理,通过分析起飞降落阶段前轮偏转时飞机相对侧翻轴的合力矩,得到前轮极限滚动方向偏度;建立前轮滚动方向偏度和偏转角度的关系,计算起飞降落状态下各速度的前轮限偏角度以及考虑飞机螺旋桨不对称滑流的前轮中立位,得到前轮的偏转范围。结果表明：计算得到的前轮限偏范围符合前轮限偏的一般特性,能够防止侧翻的同时最大保留前轮纠偏能力。     

某型喷口加力调节器减压比特性改进设计

为解决某型喷口加力调节器在配装发动机使用过程中存在的涡轮落压比偏离设计值问题,对一维定常可压缩拉瓦尔喷管的气体流动状态进行了理论分析计算,从涡轮落压比的连续性工作要求分析了拉瓦尔喷管正常工作的使用条件,提出了空气减压器二级减压拉瓦尔喷管扩张段流道形状的改进设计方法,并通过了发动机试验验证,结果表明:空气减压器只有在超临...     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。     

基于概率极限状态的RAIM风险评估

为了提供准确可靠的完好性服务,提出了基于概率极限状态的RAIM完好性风险评估。考虑所需导航性能参数和噪声的因素,建立了安全系数与可靠系数相结合的完好性风险评估指标体系,确立风险评价准则。非精密进近的算例分析表明,系统评估方法是可行的且有效的。     

基于模糊综合评判的某型双发飞机电源系统状态评估

针对飞机电源系统状态难以准确评估的问题,提出了基于模糊综合评判的飞机电源系统状态评估方法。以某型双发飞机为例,根据该飞机电源系统故障统计数据,分析故障原因,得到了电源系统部件和故障指标的层次关系。采用层次分析法计算故障指标的权重,运用模糊综合评判法对电源系统各部件状态进行评估,并以某型飞机为研究对象,对提出的方法进行了验证。     

基于多源异构信息的航空发动机转子参数校准与可靠性分析

复杂系统可靠性分析结果的准确性与输入参数精度密切相关。针对包含多源不确定信息的可靠性分析问题,提出了基于贝叶斯最大熵的随机模型修正与参数校准方法。该方法将类型统计信息（例如矩信息、可靠度）转换为约束条件,进而利用不确定性优化求解传统参数估计问题。考虑混合不确定性,引入Wasserstein距离构建似然函数,并利用近似算法提高计算效率。该方法通过增加“熵项”的方式拓展了经典贝叶斯推理的适用范围,可处理多源异构数据与混合不确定性问题。针对多部件航空发动机转子系统,建立了基于survival signature的多态系统可靠性模型,并应用上述方法开展可靠性分析,结果显示本方法较传统方法具有更高精度与更强的稳健性。     

一种简化算法的航空发动机全状态数学模型

通过一种简化的燃气空间模型对某型双转子混排加力涡扇发动机各部件进行了建模和仿真计算,并给出了详细的计算流程以及数学公式.在仿真过程中结合实际工程应用经验,对涡轮处采用一个局部的小循环迭代以减小涡轮部件内燃气空间计算的时间步长,提高计算精度.与其他数值方法相比,该简化算法避免了求解非线性方程组时大范围的循环迭代,提高了全状态数学模型的计算速度.通过仿真结果与发动机实际试车数据的对比,证明该方法有足够的计算精度.      

基于马尔科夫链模型的脉动装配线运行状态预测

分析了影响脉动生产线运行的因素和状态预测的必要性,提出了基于马尔科夫链模型的状态预测方法。基于马尔科夫链预测理论,对脉动生产线运行状态划分,确定状态转移矩阵,建立马尔科夫预测模型,并对模型准确性进行验证。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.