腐蚀/疲劳交替作用下飞机金属材料疲劳寿命计算方法

 使用环境下飞机金属结构剩余寿命评定是确定飞机结构疲劳寿命与日历寿命关系的关键。为此,本文模拟飞机结构经历的"地面腐蚀+空中疲劳"过程,提出了腐蚀/疲劳交替作用下飞机金属材料的疲劳寿命计算方法。首先,通过分析2A12-T4铝合金试样预腐蚀/疲劳试验结果,发现其在模拟腐蚀/疲劳交替作用时计算得到的疲劳寿命偏于保守。随后,根据2A12-T4铝合金试样真实的交替试验结果,采用回归算法,建立了基于均匀分布耦合损伤形式的腐蚀/疲劳交替寿命计算模型;并分别采用BP、Elman神经网络对上述模型的计算结果进行验证。结果表明,本文提出的均匀分布耦合损伤模型计算结果与真实试验结果吻合较好;通过进一步的计算与试验对比发现,该模型也可以用于加载循环与腐蚀周期组合发生变化时的疲劳寿命预测,具有较好的适用性。     

基于人工神经网络的TCAS板卡深度故障诊断系统

提出了一种基于人工神经网络的故障定位算法,用于TCAS板卡深度故障诊断系统。     

具有神经网络自适应补偿的位置伺服系统的PID控制

本文提出一种具有神经网络自适应补偿的、位置伺服系统的、ＰＩＤ控制结构模式。在该系统中，控制器由两部分构成：一部分是常规的ＰＩＤ算法；第二部分是由前馈神经网络构成的自适应补偿器。数字仿真试验和实际测试的结果表明：本文提出的方法对存在系统参数不易准确确定及飞线性因素不易定量描述的位置伺服系统的控制问题，显示出了较好的效果。系统输出精度高，响应速度快并具有相当强的鲁棒性和客错性。     

基于多方法联合的故障诊断技术研究

针对基于故障树（ FTA）的故障诊断方法存在的空间爆炸问题和基于神经网络的故障诊断方法存在的训练样本整理困难问题,将故障树和BAM神经网络融合的方法应用于航电系统故障诊断,利用FTA得到系统的故障模式,进而分析归纳出BAM的训练样本,通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。对航电系统进行故障诊断仿真分析,验证了方法的有效性。并联合基于BP神经网络故障诊断方法,将二者优点结合进行联合故障诊断,验证了联合故障诊断方法的可行性。     

涡轴发动机高精度实时部件级模型研究

提出了基于神经网络的涡轴发动机共同工作方程求解方法。在基于牛顿-拉夫逊迭代法求解共同工作方程的模型上采集离线训练数据,以共同工作方程迭代求解前的残差为输入,迭代收敛后的共同工作方程猜值修正量为输出,训练BP神经网络,对共同工作方程进行求解。采用变缩放因子的萤火虫算法优化神经网络参数,提高了猜值修正量的预测精度。在飞行包线的某一区域内,采集额定发动机在直升机前飞过程的数据进行神经网络离线训练,并将网络参数代入部件级模型对共同工作方程进行求解,在训练数据采集区域附近的爬升状态、远离训练数据采集区域的前飞状态下进行测试,计算模型输出与牛顿-拉夫逊迭代算法模型输出的偏差,与一次通过算法相比,本文提出方法模型输出最大偏差约为一次通过算法的1/34到1/4,模型运行耗时约为一次通过算法的2/5,验证了算法的有效性。     

涡扇发动机性能参数指标论证方法

针对舰载战斗机用涡扇发动机在概念设计阶段,其总体性能和部件循环参数指标的选取与确定等难点问题进行了研究.通过分析舰载机的典型作战任务剖面,提出了发动机需要具备的性能要求;结合目前世界战斗机用涡扇发动机的发展趋势,给出了先进涡扇发动机性能与参数指标的范围;基于L-M算法神经网络模型,预测了涡扇发动机主要循环参数指标.经验证,预测的循环参数及提出的性能指标具有一定的有效性,为发动机概念设计时性能参数指标的选取与确定,提供了一种新的论证方法.     

超低空空投航迹倾角自适应跟踪控制

针对超低空空投下滑阶段考虑执行器输入死区、不确定性大气扰动以及模型存在未知非线性等因素干扰轨迹精确跟踪等问题,提出了一种自适应神经网络动态面跟踪控制方法.建立了含执行器输入死区的超低空空投载机纵向非线性模型,采用神经网络逼近模型中未知非线性函数,引入非线性鲁棒补偿项消除了执行器死区建模误差和外界扰动.应用Lyapunov稳定性理论证明了闭环系统所有信号均是有界收敛的.仿真验证表明,所提方法既保证了轨迹跟踪的精确性,又具有强鲁棒性.     

神经网络在直升机对地攻击中的应用研究

应用神经网络方法研究了直升机对地射击的一些技术问题。文中首先介绍了直升机对地攻击的火控系统原理;其次,对复杂又不稳定的直升机飞行运动模型设计了模糊神经网络控制器;然后,设计了综合火/飞控制系统,并对所设计的整个攻击系统进行了仿真,通过仿真证明满足系统设计要求。在神经网络设计中,采用了变尺度优化算法,提高了算法的速度和精度,直升机对地攻击的实时应用提供了重要的参数价值。     

基于神经网络的航天器GPS/INS组合定姿系统

基于GPS和惯性技术的组合导航系统是近年来导航系统的研究热点和主要发展方向.目前基于卡尔曼滤波方法的算法在稳定性、计算量、算法鲁棒性以及系统可观测性等方面仍然存在问题.基于神经网络技术研究了一种新的GPS/INS组合定姿自适应卡尔曼滤波方法,理论分析表明,该方法不但对姿态信息具有较好的估计性能,而且对系统模型的精确性、噪声特性具备良好的鲁棒性.最后,利用模拟数据对所研究算法进行了分析计算,与传统的卡尔曼滤波方法进行了比较、分析,结果表明所设计组合算法在精度、稳定性以及鲁棒性等方面较传统卡尔曼方法具有良好的特性.     

嵌入式大气数据传感系统的改进算法

简要介绍了嵌入式大气数据传感系统及其空气动力学模型,提出了求解动、静压和修正参数的改进算法.改进算法首先应用Moore-Penrose广义逆矩阵对非线性方程组进行简化.然后采用改进迭代算法和BP神经网络求解动、静压和修正系数.改进算法在精度、可靠性和实时性上都能满足系统的要求.应用BP神经网络,达到系统要求的精度所需要的计算时间只相当于原有算法的5%,具有更大的实时性优势.