宽裕度超声叶型气动优化设计

通过与德国航天局设计的超声预压缩叶型PAV-15试验数据比对,确定高精度超声叶栅流场计算方法,研究表明:根据激波位置分段调整流管厚度可提高计算与试验结果的一致性。为提高超声叶栅稳定工作裕度并保证设计点性能,建立根据目标裕度估算喘点反压方法和优化设计方法。对两个超声叶型进行多目标优化,优化结果表明：优化叶栅可减小设计工况槽道激波入射角、减小激波及激波附面层干扰损失;气动喉道前移、结尾正激波后移,提高叶栅耐反压能力。两个优化叶型在保持总静压比不变的前提下,稳定裕度均达到设计目标,设计点损失也有所下降。     

基于LabVIEW的超精密磨床嵌入式监控系统

针对超精密磨削机床的监控需求,基于NI–sbRIO硬件平台开发了一套应用于超精密磨床状态监测和数据采集的嵌入式监控系统,使用FPGA对温度、振动、声发射等信息进行实时数据采集,并使用实时处理器对数据进行分析和处理,实现对机床的实时状态监测和数据存储。通过FPGA编程取代硬件数据采集卡,成本低,灵活性强。试验表明,该系统能够胜任超精密磨床的监控任务。     

高精度电容式三维发讯测微仪

主要叙述用电容式传感器作为三座标测量机发讯测头的工作原理,并将其在动态测试过程中的基本测微方法作一简单介绍。     

顾及频间偏差的GNSS多频非组合PPP变形监测

精密单点定位(PPP)技术有望解决长距离、大范围等监测场景难以找到稳定基准点的难题。现代化的全球卫星导航系统(GNSS)卫星纷纷开始播发多频信号,多频观测值融合理论上可提升PPP变形监测性能。为了充分利用多频冗余观测数据,详细研究了每个频点的差分码偏差(DCB)和全球定位系统(GPS)存在的相位频率间卫星钟偏差(PIFCB)的改正方法,扩展了多频数据处理的严密理论模型,能够灵活处理GPS三频、Galileo五频和BDS-3五频观测数据。多频PPP振动监测实验结果表明,GPS三频PPP、BDS-3五频PPP、Galileo五频PPP较各自双频PPP位移监测精度可分别提升12%、13%和14%,表明多频PPP技术有利于提升PPP位移监测精度与稳定性。     

刷式密封临界承压能力流固耦合数值研究

采用以泄漏因子与有效间隙作为刷式密封临界承压能力的评价指标,基于ALE(arbitrary Lagrange-Euler)流固耦合方法建立刷式密封三维瞬态求解模型,分析三种不同结构的刷式密封模型在不同压差下的刷丝变形,研究临界承压能力对刷丝变形的影响。研究结果表明：随着上下游压差的增加,泄漏因子与有效间隙的值趋于稳定时的压差范围即为刷式密封的临界承压能力。所研究的基本型刷式密封临界承压能力为0.25～0.30 MPa,后挡板保护高度降低0.5 mm的刷式密封和轴向增加5排刷丝的刷式密封临界承压能力相对于基本型增加了16.7%～20.0%,降低后挡板保护高度和增加刷丝轴向排数可以提高刷式密封临界承压能力。随着上下游压差的增加,刷丝轴向最大变形量先增加,在上下游压差达到刷式密封临界承压能力时,刷丝之间间隙被压缩至接近最小,刷丝轴向最大变形量达到稳定。该研究成果为刷式密封的结构设计提供理论依据。     

基于光纤光栅与BP神经网络的孔边裂纹监测研究

含孔金属结构的孔边裂纹监测对于保障飞行安全,增强飞机结构可靠性具有重要意义。为实现对孔边裂纹扩展的监测,进行含有孔边角裂纹的含孔铝合金板疲劳加载试验,得到含孔铝合金板试验件的a-N 曲线以及孔边裂纹扩展过程中光纤光栅应变传感器中心波长偏移量;利用包络分析法、BP 神经网络等损伤识别算法对试验数据进行处理与分析;建立能够以光纤光栅应变传感器中心波长偏移量识别孔边裂纹扩展的监测模型,并通过试验对监测模型进行验证。结果表明：此监测模型可有效识别出孔边角裂纹的扩展与穿透,对孔边角裂纹扩展长度监测的准确度达到了97.2%,未来可应用于全机地面疲劳试验、飞机结构健康监测等多种场景。     

煤矿安全生产微型机监控系统

用微型计算机监测与控制煤碳生产,可以大大提高煤矿的安全生产和自动化水平,进一步改善煤矿的生产管理和增加企业效益。本文具体介绍了一个适用于中、小型煤矿的安全生产微型机监测与控制系统的功能、结构和软、硬件配置,并着重讨论了系统主站的几个关键技术问题是怎样解决的。该系统现已投入运行。实践证明,设计合理,性能稳定,工作可靠,它是一个特别适用于中、小型煤矿的廉价安全生产监控系统。     

神经网络在直升机概念设计中的应用

运用人工神经网络算法得到了单旋翼布局直升机的总体参数和部件重量估算方法,为直升机方案论证初期提供了一个快速有效的决策手段.对神经网络应用了多种训练算法,并与传统回归公式进行比较,可以发现采用BR训练算法的神经网络具有比传统回归方法更好的非线性表达能力,同时又表现出比LM,SCG等常规训练算法更好的范化能力,对训练样本和检验样本都有较高的估算精度,适用于型号设计初期的参数估算.     

基于潜在成分和概率神经网络的时变结构系统的损伤识别

介绍了基于潜在成分(LC)分析和概率神经网络的损伤识别方法,并应用于一个实验室模型的损伤识别.结果表明,基于潜在成分(LC)分析和概率神经网络的损伤识别方法能在正常的时变质量情况下以较高的成功率对位于A或B处的某一损伤程度未知的损伤进行归类,为时变结构系统的定量损伤识别作出了有益的尝试.     

模糊自组织网络在刀具磨损状态监测中的应用(英文)

应用模糊逻辑和无教师自组织神经网络进行车削过程刀具磨损状态监测.根据典型切削条件组合建立由多个子网络组成的自组织网络阵列,其中每一子网络对应一种典型切削条件,并进行训练.对于具体切削条件,运用模糊逻辑技术选取对应的优化子网络.文中所建名为Fuzzy-SOM-TWC监测系统的运行基于加工过程实时采集的切削力、声发射以及电机电流信号.切削实验用于训练和检验监测系统,实验结果显示其对于刀具磨损状态的识别正确率可达到98%-100%.