一种采用“捷联+平台”方案的新型航空重力仪

针对资源勘探等高精度应用对航空重力仪测量精度和分辨率的更高要求,在前期研究基础之上,研发了新一代采用"捷联+平台"方案的新型航空重力仪。设计了采用石英挠性加速度计和光纤陀螺的捷联式重力仪,采用了新型温度控制方案,提高了重力仪的环境适应能力。设计了稳定平台,将捷联式重力仪保持在垂直方向,隔离载机的角运动干扰,减小了重力传感器的动态误差。飞行试验表明,该方案是有效的,将航空重力仪的精度和分辨率提升到优于1mGal/3km。     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

航空四站气体保障过程的STAMP建模与STPA安全性分析

航空四站气体保障装备的可靠性在不断提高,而气体保障过程中的事故仍有发生,需要一种新的方法系统地去识别新的危险因素,从而提高系统的安全性。从控制的角度结合STAMP和STPA对航空四站气体保障过程进行安全性分析。首先,介绍STAMP/STPA的工作机理;然后,对航空四站气体保障过程构建STAMP模型,采用STPA安全分析方法对航空四站气体保障过程的安全性进行分析,识别不安全控制行为,对生成的不安全控制行为进行场景分析;最后,与事故树分析法(ATA)进行分析结果的比较,从而证实了该方法的优越性。结果表明:采用STAMP模型和STPA安全分析法可以更加全面地识别出不安全控制行为及其原因,更有利于保证航空四站气体保障过程的安全。     

航空发动机MTBF的Bayes评估

针对航空发动机的试验样本量和故障数据少,采用传统的数学平均值法对其平均故障间隔时间（MTBF）评估不能反映其真实可靠性水平的问题,基于Bayes理论,把历史试验数据视为先验信息,采用矩等效方法确定先验分布,然后通过Bayes理论综合现场试验数据,建立了一种基于Bayes理论的航空发动机MTBF评估方法。该方法可以扩大MTBF评估所需的信息量。采用所提出的Bayes方法对某航空发动机MTBF进行评估,得到其MTBF评估值为302.68h,比采用数学平均值法约提高了18.7%,评估结果更符合实际。表明该方法可应用于航空发动机MTBF的评估。      

航空发动机主轴承接触应力精确仿真计算方法

采用稳态热分析与动态接触力学分析相结合的方法以提高计算精度,考虑轴承摩擦生热及瞬态冲击效应的影响,得到经热应力修正的轴承应力分布及变化特征。研究表明:最大动态接触应力位于钢球表面,外圈滚道次之,内圈滚道最小;轴承接触应力具有明显动态冲击响应特性,分布及大小具有随机变化性;接触应力由主应力与剪切应力共同构成,随转速及轴向载荷增大而增大。      

连续纤维增强钛基复合材料整体叶环设计与分析

为适应未来高推重比航空发动机研制的需要,研究了国内外连续纤维增强钛基复合材料及其结构件的制备工艺特点,以及压气机连续纤维增强钛基复合材料整体叶环的设计和试验情况。以某压气机转子级为对象,开展了整体叶环设计和分析研究,提出了不同结构形式整体叶环设计方案,并从应力、重量、制造可行性和经济性等方面对不同结构设计方案进行了对比分析,结果表明:装配结构复合材料整体叶环应力水平低,制造可行性好,经济性好,并在一定程度上避免了径向载荷作用下的界面失效问题,值得深入研究。     

智能化航空飞行控制技术的发展

随着航空器飞行环境的日益复杂,对航空器的任务性能需求也不断提升。为了应对飞行安全压力增大、驾驶员操纵负荷增加等问题,从航空飞行控制所面临的问题着手,对人工智能、航空飞行控制的发展历程和后续发展趋势进行初步的探讨。首先,对国内外人工智能技术以及智能化航空飞行控制技术的发展进行简要介绍及分析;然后,结合技术发展趋势对未来智能化航空飞行控制技术的发展趋势进行初步分析;最后,提出了目前航空飞行控制技术智能化发展的初步思路,为后续该领域技术的发展提供参考。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

航空用铝合金超微结构实验表征

为了使铝合金更好的服役于航空领域,就有必要对其微观结构进行实验表征,从而可以在铝合金微观结构和宏观性能之间搭建桥梁,最终优化铝合金的综合性能。本文介绍了航空用2xxx,6xxx和7xxx系铝合金发展历程以及时效析出过程中的微观结构演变,如Al-Cu合金GP区、Al-Cu-Mg合金GPB区等重要物相的结构特征,以及AlCu-Mg合金S相析出行为等都已得到了透彻的研究;阐述了透射电镜、扫描透射电镜、三维原子探针等技术的结合在Al-Cu-Mg-Ag合金Ω相、Al-Mg-Si-Cu合金β″相的晶体结构及界面结构以及铝合金晶间腐蚀机理等研究上的应用;本小组实现了复杂选区电子衍射谱的快速模拟及标定,并基于会聚束电子衍射实现了对析出相体积分数的精确测量;最后指出,高分辨透射电镜原位加热研究及透射电镜原位力学测试等新技术手段的应用,对深层次研究铝合金相变规律、变形行为具有跨时代意义。     

基于小波分析的涡扇发动机起动过程压力脉动研究

利用小波分析所具有的时频特性特点,针对涡扇发动机起动过程存在的压力脉动异常现象,获取信号随转速变化的频谱图。重点介绍了发动机脉动频率分析方法,并结合试验测点布局,根据不同脉动的频率特点,对其脉动成分进行分解,分析出脉动频率产生的原因,为发动机起动问题的解决提供支持。研究结果表明:利用小波分析进行发动机起动过程的脉动异常研究,形象、直观,具有一定的工程应用价值。