大部件调姿系统的误差分析

对基于三坐标定位器的大部件数字化柔性装配系统,建立系统运动控制所需的装配坐标系、动坐标系和POGO柱坐标系,并在此基础上分析了其正反解算法.根据大部件对接的高精度要求,用全微分的方法建立各结构误差与对接部件位姿误差之间的误差正解模型,提出了一种基于工作空间的位姿补偿方法.最后,建立带有误差源的正解模型,以实例计算验证了误差正解模型和补偿方法的正确性.     

Delcam三维模具设计软件专家系统

Delcam Toolmaker的一个独到之处是在模具设计的任何阶段,用户都可以退出进行中的自动设计模式,切换到PowerSHAPE对设计进行手工修改,随后可继续回到自动设计模式继续完成模型设计。这意味着用户不仅可以得益于高自动化设计所带来的简单、高速自动化设计,同时可根据自身需要,不受模型尺寸和复杂程度的限制,获得精度极高的模型设计结果。     

冯子明 航空信息化专家

我国航空企业数字化制造已经有哪些成就,为我国航空企业带来怎样的影响?冯子明:目前国内飞机数字化设计制造水平在不断地提高。数字化的软硬件环境已初具规模,飞机设计已由三维几何模型设计向全信息三维模型设计方向发展     

静气动弹性模型高速风洞试验研究北大核心CSCD

对采用复合材料玻璃纤维、碳纤维加工的静气动弹性模型进行了高速风洞试验研究,测试了模型的柔度矩阵、气动力、表面压力、弯/扭应变信号及弯/扭变形,为静气动弹性模型刚度试验、弯/扭应变信号测量、模型变形视频测量(VMD)及风洞总压控制等静气动弹性风洞试验能力的提高积累了经验,为飞行器静气动弹性研究提供了良好的试验平台。研究表明:静气动弹性模型较刚性模型升力线斜率及襟副翼效率下降、气动焦点前移;静气动弹性模型与刚性模型表面压力差异明显;在小迎角范围内,静气动弹性机翼模型弯/扭应变信号随迎角增加基本呈线性变化;在正迎角时,大展弦比后掠机翼静气动弹性模型的剖面扭转变形使有效迎角减小,剖面越靠近翼尖弯/扭变形越大。     

飞机大部件自动对接同步调姿方法

提出了飞机大部件自动对接同步调姿方法,实现了大部件调姿基准点的连续自动跟踪测量和位姿连续调整.在此基础上开发了集测量场构建、大部件位姿解算和调整等功能于一体的大部件自动对接集成控制软件,并在ARJ21飞机翼身自动对接现场进行了应用试验,结果证明该方法能有效完成飞机翼身自动对接过程,提高测量和对接效率.     

基于双三次B样条插值的薄壁件加工误差补偿方法

以薄壁件加工过程为研究对象,针对薄壁件加工的误差预测、补偿问题,提出一种基于双三次B样条插值的薄壁件加工误差补偿方法.在获得薄壁件历史加工数据的基础上,运用插值理论建立误差模型,得到误差分布规律,考虑切削力与弹性变形之间的迭代影响建立误差补偿方法.该方法综合考虑了弹性变形、热误差、几何误差等多种误差源,通过数值分析方法建立误差模型,避免以往薄壁件误差建模中误差源分析不全、解析困难的弊端,最终以薄板工件为例,通过实验验证,应用该误差补偿方法可有效提高薄壁件的加工精度.     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

基于模型的系统工程概述

由于航空领域涉及的系统日益高度复杂,为更好推进基于模型的系统工程(Model Based System Engineering,MBSE)研发体系,通过从当前遇到的问题、推行基于模型的系统工程的必要性、优势、未来的挑战等方面进行了较为详细地阐述.基于模型的系统工程研发体系具有知识表示的无二义、系统设计的一体化、沟通交流的高效率等优势,是未来发展的大趋势.     

无定向激光陀螺捷联惯组标定方法的对比研究

对三种无定向激光陀螺捷联惯组标定方法进行了对比研究,详细分析了各种方案的标定原理,提出了利用标准差作为评价标定方法优劣的指标.结合对某一激光陀螺捷联惯组标定试验结果的分析,得到了在无北向基准的情况下,三种标定方法在标定时间和标定精度两个指标上的对比结果,为无定向激光捷联惯组的标定提供了指导,具有较大的工程应用价值.     

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。