基于符号序列联合熵的航空发动机健康监控方法

引入信息熵理论,结合对多参数时间序列的符号化处理,探讨其在航空发动机健康监控中的应用.利用符号序列联合熵对航空发动机性能参数无序程度的描述,分析航空发动机健康状态及其演化方向.对两组实际飞行数据的实验分析表明,该方法描述的航空发动机的健康发展趋势与实际情况相吻合,能够较好反映航空发动机的健康状态,可以为航空发动机的健康...     

基于信息熵的飞机交流发电机异常检测

以交流发电机的仿真输出电压为参考信号,利用能反映符号序列总体特征的Shannon熵及二进制符号化方法,对仿真出来的正常电压信号及异常电压信号进行二进制符号化分析,并求取符号化后各自的Shannon熵,根据仿真计算表明Shannon熵能够体现由频率引起的电压异常特征。     

高来流马赫数单列叶栅改串列叶栅性能对比试验

基于某高负荷轴流风扇高临界来流马赫数静叶改型设计的需求,对原型单列叶栅和改型串列叶栅开展性能对比试验研究,通过详细分析两型叶栅内部流场参数,量化评估了串列叶栅在高来流马赫数条件下的改进设计效果.结果表明:串列叶栅比单列叶栅在降低流动损失,提升增压能力方面具有显著优势.相比单列叶栅,设计状态下串列叶栅总压损失系数降低了19％,静压比提高了3.1％,基本缓解了单列叶栅原有设计状态的流动堵塞现象.串列叶栅前排叶片对后排叶片吸力面附面层发展会产生抑制作用,使得后排叶片具有较好的工作性能.     

基于乏信息失效数据的可靠性评估方法

基于乏信息失效数据,提出了机械产品可靠性的最大熵评估模型.根据可靠性经验值公式,获得失效数据的可靠性经验值向量,并逆推出离散失效频率向量即获得统计直方图;基于区间映射的牛顿迭代方法获得具有最大熵的概率密度函数,对其积分获得失效概率分布函数,进而得到可靠性估计真值函数.仿真案例和试验案例研究证明该方法可以很好地评估已知分布的可靠性并有效地解决只有失效数据而没有概率分布任何先验信息的可靠性评估问题.在寿命给定时,最大熵方法获得的可靠性取值与已知分布获得的可靠性取值之间的差值非常小仅为3.40%.      

涡轮内等温燃烧数学模型的建立与研究

针对目前在涡轮内燃烧技术的研究中,等温燃烧数学模型较为复杂以及这些模型中利用了较为复杂的熵进行计算等工程技术问题,从等温过程的基本热力过程原理出发,推导出新的涡轮内等温燃烧数学模型。通过数学模型之间的比较与分析以及计算结果与文献之间的比较与分析之后,得出结论:①在采用涡轮内燃烧技术的航空发动机总体热力性能计算中,推导出的涡轮内等温燃烧数学模型的应用具有可行性;②新建立的涡轮内等温燃烧数学模型更为简便,可以大幅度地提高编程效率和计算效率,在工程实际中具有较好的应用性。     

难熔高熵合金在航空发动机上的应用

航空材料要求具有较高的强度、低的密度、优良的耐腐蚀及抗疲劳等性能,发动机材料更需要耐高温性能。含有高熔点难熔金属元素的高熵合金(high entropy alloys,HEAs)在高温环境下显示出了优异的材料性能。目前,共有120余种难熔高熵(refractory high entropy alloys,RHEAs)被合成,并对其物理和力学特性如密度、拉伸性能、压缩性能、弹性模量和抗氧化性等进行了实验测试。本文对RHEAs和传统典型航空材料的性能参数进行了总结,绘制了高温情况下的密度、屈服强度极限的对比图表,多数RHEAs显示出较高的力学强度和组织稳定性。     

面向混合网格高精度阻力预测的熵修正方法

Roe通量差分分裂格式具有耗散小、分辨率高等特点,在亚跨超声速流场模拟中得到广泛应用,但空间离散时需要对Roe平均矩阵的特征值进行熵修正,使用熵修正会增大耗散,影响阻力的求解精度。本文针对非结构混合网格中Roe格式熵修正的特点,通过改进传统的Roe格式Harten-Yee熵修正方法,提出了一种可提高非结构混合网格黏性计算精度的Harten-Yee熵修正改进方法。利用改进后的方法,完成了DLR-F4翼身组合体算例的计算和对比分析,改进后的熵修正方法残差收敛特性与原始Harten-Yee熵修正一致,计算精度提高,计算结果和无熵修正时基本一致,说明改进后的熵修正方法既保留了使用熵修正带来的程序鲁棒性等优点,同时把熵修正对阻力预测精度的影响降到了最低,验证了方法的有效性。采用改进后方法对第3届AIAA阻力会议的计算模型DLR-F6翼身组合体进行了详细的模拟,分析了网格收敛性和雷诺数的影响。结果表明：改进的Harten-Yee熵修正,更加适用于非结构混合网格的黏性计算,计算精准度达到国际同类CFD软件水平,进一步验证了改进方法的可靠性。     

基于单目视觉的机器人避障方法研究

避障问题一直是机器人领域研究的热点和重点。设计一种基于单目视觉的避障系统,能够同时检测机器人正前方和两侧的障碍物,且对低纹理障碍物同样具有效果。该系统采用特征尺度检测器完成机器人视野正前方障碍物的检测,对于视野两侧的障碍物运用光流平衡策略进行规避,而对于低纹理的障碍物则利用图像熵的方法进行检测。整个系统在地面移动机器人上进行了测试,实验结果表明,该方法能在复杂的环境下可靠地完成机器人的避障任务。     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

渗透壁面竖直平板Blasius流熵产特性

对渗透壁面竖直平板Blasius流层流边界层流动熵产及传热熵产与总熵产的比值(Bejan数)进行了深入研究,将耦合的动量与能量偏微分方程组通过相似变换转换为非线性常微分方程组,用Runge-Kutta法求解获得了无量纲流函数与无量纲温度的相似解,进而研究了无量纲参数对熵产及Bejan数的影响.结果表明:吸入时最大熵产位于壁面处,吸入速度越大最大熵产越大,熵产随相似变量的增加单调下降;喷注速度越大壁面处熵产越小;近壁面处熵产随变黏度参数增大而增大,远离壁面处随喷注/吸入参数或变黏度参数的增大而减小;远离壁面处Bejan数随喷注/吸入参数或变黏度参数的增大而增大,近壁面处与此相反;熵产和Bejan数随着辐射参数和Reynolds数增大而减小,随着Biot数增大而增大;Biot数在0~2范围内对传热熵产的影响很剧烈,Biot数较小时总熵产由流动熵产控制,Biot数较大时总熵产由传热熵产控制;熵产随滑移参数的减小而增大,Bejan数随滑移参数的增大而增大;Grashof数对熵产的影响较大,在较大的Grashof数条件下熵产随相似变量的变化较剧烈;滑移参数越大,流动熵产越小,Bejan数越大.