全弹性稳态微小流量测量系统

介绍了一种采用质量测量法的液体微小流量测量系统的工作原理与工作过程.系统采用全弹性连接方法设计,避免了常规质量测量法流量测量装置中非弹性连接管路造成的测量误差.采用压力补偿方法,修正由于压强对增压气体密度的影响.并以酒精为测试液体,进行了5种工况下流量测量试验.试验结果表明,该套微小流量测量系统工作稳定、可靠,可以精确测量出液体稳态微小流量.      

NF-3风洞神经网络自适应稳风速控制系统研制

介绍西北工业大学NF-3大型低速直流式翼型风洞改进后的稳风速控制系统的结构、控制原理和性能特点。针对低速直流风洞风速控制系统建模困难,易受外界干扰影响,且自身参数时变不确定,控制难度大的特点,新系统采用了多线程、数字式数据采集方式,带死区控制的PSD神经网络自适应控制算法。通过在NF-3风洞三元试验段和二元试验段的实际应用,与正在使用的模糊控制系统相比较,新系统的适应性和鲁棒性更强,调试时间大为缩短,风速控制精度在风速大于10m／s时从国军标的合格指标0．3％提高到先进指标0．1％,稳定时间减少了10％左右,人机交互也更加友好。     

一种小波包的微机械陀螺消噪方法

微机械(MEMS)陀螺精度直接影响惯导系统精度。研究表明,随机噪声是影响MEMS陀螺精度的重要因素。本文在介绍小波包变换和自适应阈值的基础上,采用db4小波包变换阈值消噪方法,对某MEMS陀螺信号进行消噪处理,数据处理验证了此算法在MEMS陀螺消噪处理中的有效性。     

基于径向切比雪夫矩函数的结构动力学模型修正

提出基于径向切比雪夫矩函数的振型描述及模型修正的方法,并应用于实际结构.将结构的模态振型用径向切比雪夫矩特征值表示,可以用很少的数据很好地描述振型数据的特征,实现振型数据的压缩.将径向切比雪夫矩特征值用于相关分析中,克服了利用模态置信准则描述对称结构重模态的缺陷.进一步将径向切比雪夫矩特征值用于模型修正中,克服了将振型数据直接用于修正中会产生的一些问题,如振型数据量过大、修正不易收敛等.以某航空发动机实验器的封油盖为例,进行振动模态测试实验,利用径向切比雪夫矩函数对其进行相关分析及模型修正,修正前后,封油盖有限元的前13阶固有频率的预测值与实际结构模态测试的实验值误差由最大值17.13%降低到1.23%,验证了该方法的有效性.      

1种发动机自适应模型的修正方法

为解决由于工艺落后和性能衰退所导致的发动机模型与实际发动机失配的问题,从而达到视情维修的目的,建立了1种基于遗传算法的自适应模型修正方法.利用遗传算法高效率的全局搜索能力,以发动机性能参数为目标,优化部件参数,实现了模型的修正,并通过分析发动机性能参数对部件参数的敏感性,研究了选取不同组合的待修正部件参数对模型修正精度的影响.结果表明:采用该修正方法所建立的发动机模型准确性高、鲁棒性强,且具有良好的通用性,为发动机的健康管理和故障诊断提供了重要依据,具有很好的军事和工程应用价值.     

航空发动机燃烧室出口高温热电偶校准技术

在高温校准风洞上,对测量航空发动机燃烧室出口温度气冷式和非气冷式这两种形式的高温热电偶进行校准,确定了高温热电偶的辐射修正系数.校准实验结果表明:高温热电偶的辐射误差随气流速度和压力的增加而降低,而且气流温度与航空发动机机匣壁面温度的温差越大,辐射误差也越大.比较两种结构形式的高温热电偶,非冷却式高温热电偶的测量误差比气冷式高温热电偶的相对较小.      

基于误差预测修正的液体火箭发动机故障预测方法研究

为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测误差值实时补偿到小波过程神经网络预测模型以提高预测精度。通过液体火箭发动机地面试验中的涡轮泵数据对该方法进了验证。结果表明,该方法在预测精度和适应能力上较单一的过程神经网络预测模型有显著提高,进行10步预测时,预测值的标准化均方根误差为0.392,预测平均耗时为76ms,能够用于解决液体火箭发动机故障预测问题。     

基于代理模型的二元收扩喷管流道型面优化设计

在二元收扩（2D-CD）喷管设计参数对喷管气动性能影响研究的基础上,以获得尽可能高的喷管推力系数为目标,以喉道宽高比、喉道型面半径比、收敛半角和扩张半角为设计变量,对二元收扩喷管的流道型面进行了优化设计。设计过程中,利用正交试验设计方法确定初始样本点,建立喷管推力系数与设计参数间的Kriging代理模型,采用自适应模拟退火算法（ASA）对代理模型进行分析求解。结果表明,二元收扩喷管的优化型面参数为:喉道宽高比为6,喉道型面半径比为0.3,收敛半角为15°,扩张半角为5.64°,此时最大推力系数为0.97847,流量系数为0.98778.      

蜂窝夹层板撞击实验数据中的野值判别

基于超高速撞击物理实验数据对蜂窝夹层板撞击极限方程进行修正是获得高可信度新方程的一种常用方法,为了提高物理实验数据的可靠性,以国外131个碳纤维复合材料(CFRP)面板的蜂窝夹层板实验数据为对象,进行野值判别方法研究,发现该批数据中存在1个野值。将该野值剔除并基于剩余的130个数据重新进行方程修正后,新方程的总体预测率和安全预测率分别达到82.3%和93.1%,其绝对误差平方和、相对误差平方和分别为0.010、0.506,相对于剔除野值前的修正方程有所改善,表明实验数据野值判别方法可行、有效。为考核方法的适用性,对铝合金面板的蜂窝夹层板的实验数据也进行野值判别分析,结果显示该方法可合理识别野值。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。