同轴离心式喷嘴噪声引发燃烧不稳定分析和预测

以氧化剂和燃料的混合比作为系统控制参数,研究同轴离心式喷嘴燃烧动力学过程。混合比增加和减少过程中,燃烧噪声和振荡燃烧状态间转变的混合比不同,说明系统出现了亚临界Hopf分叉现象,且在双稳定区内出现了燃烧噪声引发的振荡燃烧。利用临界慢化理论,分析3种表征参数:延迟为1自相关系数、方差和条件异方差（CH）对噪声引发不稳定的预警效果。结果表明:延迟为1自相关系数在噪声引发不稳定前出现明显的上升趋势且非随机现象,具有较可靠的指示作用。方差对噪声引发不稳定性的预示性较差。条件异方差在不稳定发生前振荡上升,可以作为辅助判断条件。基于Kendall秩相关系数趋势评估方法,提出一种在线预测噪声引发不稳定的判断准则,具有较好的适应性和可靠性。      

某涡轴发动机涡轮叶片尾缘孔的蠕变-疲劳寿命预测方法

针对某涡轴发动机的涡轮叶片,建立了考虑应力松弛的蠕变-疲劳寿命分析方法。通过在黏塑性理论框架内耦合蠕变损伤,对某高温合金的非线性蠕变变形进行了数值模拟。结果表明:基于对某涡轮叶片的弹塑性-蠕变分析研究,明确了叶片上前缘和尾缘等关键部位的蠕变损伤及其演化规律,也为确定叶片上的局部危险点提供了一种方法。该模型针对弹塑性应力应变曲线计算误差小于5%,而针对蠕变曲线的模拟精度则处于材料蠕变变形固有属性分散范围内。借助于线性损伤累积寿命理论,分析得到了某涡轮叶片尾缘孔局部考虑了应力松弛的蠕变-疲劳寿命,从而为叶片寿命评价提供了更为合理、工程化应用更好的方法。      

基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

基于机器学习的单孔绝热气膜冷却效率分布预测研究

为了研究利用机器学习技术对绝热冷却效率进行直接预测的方法及特点,搭建了基于上采样卷积神经网络的机器学习模型,生成了用于训练以及验证的数值模拟数据集,使用了监督式学习的方法对模型进行了训练.训练使用反向传播算法和基于随机梯度下降的Adam优化算法,输入模型的参数包括吹风比、主流湍流强度、喷射角、孔形状、孔尺寸,模型输出为...     

基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。     

基于疲劳-蠕变载荷等效转换的涡轮盘载荷谱编制及寿命预测

针对雨流计数法在峰谷值提取时进行等值压缩,忽略保载时间的问题进行了改进,提出了一种基于损伤曲线的疲劳-蠕变载荷等效转换方法。利用非线性疲劳损伤累积函数和损伤等效原则,建立了不同应力水平、不同保载时间下疲劳-蠕变载荷与疲劳载荷之间的等效换算模型。利用涡轮盘材料试验数据,计算了不同循环加载条件下的等效换算比,得到了其随保载时间的变化规律。利用改进的雨流计数法,编制了航空发动机高压涡轮盘载荷谱,并将其与寿命-时间分数预测法相结合,得到了涡轮盘剩余寿命。结果表明,改进的雨流计数法综合考虑了疲劳-蠕变耦合损伤对涡轮盘寿命造成的影响,相比于传统雨流计数法,寿命预测误差降低了15.02%,验证了该方法的有效性。     

基于导波原位检测的复合材料疲劳表征与寿命预测研究

随着复合材料在先进飞行器结构中占比的逐渐增加,复合材料在服役过程中力学性能的变化对飞行器整体的安全至关重要。为了实现基于导波原位检测的飞行器复合材料整体部件疲劳评估和寿命预测,首先,从宏观和细观的角度研究复合材料疲劳损伤演化规律;在此基础上,通过分析导波波场信息,探究导波相速度、模态能量比等特征在表征复合材料疲劳方面的潜力;其次,从复合材料损伤机理出发,建立导波相速度与疲劳损伤累积的演化模型;然后,构建深度学习框架,以数据驱动的方式从导波波场中提取疲劳演化特征;最后,提 出基于贝叶斯模型平均方法的疲劳演化模型,对复合材料剩余疲劳寿命进行预测。结果表明：通过提取和分析导波特征信息,可以准确地对复合材料疲劳状态进行表征,结合贝叶斯模型平均方法和置信区间准则,实现了在试件疲劳破坏之前的剩余寿命预测。     

基于深度学习的突防控制博弈对象匹配方法CSCD

针对基于博弈理论设计应对多枚拦截弹的协同突防控制方案时需要确定博弈对象的问题,提出了一种基于长短时记忆(LSTM)网络的拦截弹攻击对象匹配方法。基于传统防空导弹飞行时序与流程构建拦截弹飞行轨迹库,以轨迹库为训练样本对LSTM网络进行训练,并以此为基础构建航迹预测模型与对象匹配模型,实现对拦截弹攻击对象的识别。仿真结果表明,该方法能够有效识别拦截弹拦截目标,为后续的巡航弹突防研究提供支撑。     

基于Kalman滤波的空天飞行器再入制导算法

针对空天飞行器应用传统数值预测校正再入制导算法实时性不佳的问题,提出一种基于Kalman滤波的预测校正制导算法。该算法采取四阶多项式拟合速度-高度飞行剖面,利用Kalman滤波估计选定的速度点对应的高度,得到满足再入走廊及航程要求的拟合系数。在此基础上,减少一个终端约束,增加一个待估计剖面参数,可实现对再入过程飞行时间的调节。研究发现,再入过程中通过在线辨识修正不确定性参数能够提高制导指令的适应性;飞行末段利用跟踪参考剖面制导可有效避免飞行速度与终端速度接近时发生拟合系数求解发散的问题。多组不同再入条件下的算例仿真结果表明,基于Kalman滤波的空天飞行器再入制导算法实时性好,制导精度高,能够实现飞行时间可控,具有较强的鲁棒性和工程应用潜力。     

基于Transformer层次预测的多星应急观测任务规划方法

应急观测任务规划是一个强时效性的复杂组合优化问题,必须在规定的时限内完成相应的计算。采用机器学习的方法对规划问题进行初始规划方案预测,可以有效地简化计算复杂度。为此,提出一种基于Transformer层次预测的多星应急观测任务规划方法,将多星任务规划的求解过程分解为3个步骤：首先,利用基于Transformer的任务可调度性预测模型预测待规划任务是否执行,得到预执行任务集合;然后,基于Transformer的任务分配模型对预执行任务集合分配卫星,得到初始规划方案;最后,利用基于随机爬山的约束修正算法对初始规划方案进行优化调整,得到可行规划方案。为验证所提方法的有效性,通过大量仿真实验与CPLEX优化器、标准遗传算法、长短期记忆网络等方法模型进行比较,实验结果表明所提方法计算耗时短,规划收益高,适用于多星观测任务快速规划。