拖曳系统中运载器航迹控制律研究

拖曳系统的飞行性能是评价拖曳系统可行性的一项基本内容,而要求解拖曳系统的飞行性能,则必须解决拖曳系统中运载器的航迹控制问题。在飞行器“准平衡”的假设下,研究了拖曳系统在铅垂面和水平面内飞行时运载器的航迹控制律,并进行了仿真计算。计算结果表明,所采用的控制律可以实现运载器跟随拖曳飞机的飞行航迹。     

数控机床及工装的发展与创新设计

在现代数控加工中,由于被加工件的精度要求以及复杂度不断提高,传统加工系统无法满足使用需求,为解决这一问题,数字控制系统的核心算法以及驱动系统得到了快速发展,一些创新机构也应用到了数控机床的整机结构设计中.这些解决措施大幅提升了被加工件的精度和表面质量,促进了市场上一系列新型数控机床的出现,如复合机床、镜像铣削机床等,与之配合的新型加工工装技术也取得了相应的突破.     

基于液体静压导轨的大行程快刀伺服系统设计

采用了理论设计和有限元仿真分析相结合的方法,设计了基于液体静压导轨的大行程快刀伺服系统(最大加工行程30mm,行程4mm时频响不低于50Hz).首先,设计得到了基于液体静压导轨的大行程快刀伺服系统的结构模型和相关参数;接着,利用ANSYS/FLUENT软件对液体静压导轨的变形、模态以及油膜压力分布进行仿真分析,并且将油膜刚度的理论计算值和仿真计算值进行比较,验证了导轨设计的可靠性;最后,选用能够满足要求的音圈电机、位置反馈装置以及功能强大的MPAC运动控制器等完成了控制系统的搭建.     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

智能数控机床及其技术体系框架

首先简要介绍了数控机床的发展趋势,其次结合当前学术界及工业界的实践,对智能机床的概念进行了定义,然后提出了智能机床的技术体系框架,并详细阐述了智能数控系统、智能元器件以及智能化应用技术等智能机床中的关键技术.     

基于压缩量偏差约束的整体叶盘砂布轮数控抛光路径规划

数控抛光是实现整体叶盘叶片表面光整加工自动化、高效化的关键技术,而抛光路径规划对表面质量有着显著的影响。在抛光曲面时,砂布轮沿接触曲线上的径向压缩量偏差导致材料去除量一致性较差。针对该问题,提出一种基于压缩量偏差约束的路径规划方法。通过对砂布轮受曲面挤压变形几何分析,建立了自由曲面抛光接触线上砂布轮压缩变形量分布模型。在给定刀触点处,以接触曲线上最大压缩量偏差最小化为评价指标构建了刀轴矢量优化模型,并利用改进的粒子群优化（PSO）算法进行求解。基于最优刀轴矢量,完成自由曲面上等参数相邻刀触轨迹曲线的计算。最后,通过数据对比和试验,验证了所提方法的正确性和有效性。结果表明,抛光区域的轮廓度、粗糙度均得到明显的改善。     

基于过渡工作过程的航空发动机气路分析方法

为对发动机机动性能的退化程度进行估计,开展了基于过渡工作过程的气路分析研究。针对气路传感器数目较少的情况,采用序列工作点方法对大量的健康参数进行分析,在增加可用信息量的同时,降低了由多工作点方法的平均效应引入的参数估计系统误差。为解决发动机大偏差性能退化健康参数估计中的计算收敛性问题,提出了间接递归牛顿-拉夫逊法强化非支配分类差分进化算法。针对某型双轴分排涡扇发动机的气路分析结果表明：采用本文所提出的方法能够在气路传感器数目有限的条件下,利用发动机过渡态数据实现对大偏差范围内大量健康参数的高效、准确估计。     

多曲面岛屿五轴螺旋刀位轨迹规划

针对复杂拓扑关系的多曲面岛屿加工,以叶片阻尼台为研究对象,提出基于清根刀心轨迹的五轴球头刀螺旋刀位轨迹生成算法。首先建立局部坐标系,定义并确定中轴线,然后按层逐点创建投影射线,利用实体求交构造初始刀心螺旋轨迹;通过变步长迭代算法修正,使得刀心点距实体最短距离在加工精度范围内等于刀具半径。最后根据实体结构控制刀轴矢量,规划出无干涉的螺旋刀位轨迹。算例表明,本文算法统一了阻尼台加工与清根加工,避免了复杂偏置曲面片的构造,保证在加工过程中没有冗余进退刀的同时刀具不会过切叶身曲面,实现了阻尼台多曲面岛屿五轴球头刀高效精密加工。     

刀具声发射信号混沌特征提取及趋势分析

旨在建立一种基于多混沌特征演化分析的刀具磨损状态监测方法,通过计算刀具声发射信号的混沌特性参数分析其磨损趋势。建立首先基于混沌理论分析和描述刀具不同磨损阶段声发射信号的混沌特性,包括：定性描述,即重构相空间的奇异吸引子轨迹和庞加莱截面;定量描述,计算不同时间段声发射信号的关联维数、最大Lyapunov指数等。其次,采用最小二乘回归方法对所计算的混沌参数进行趋势分析。结果表明,声发射信号具有混沌特性,而且关联维数和最大Lyapunov指数演化趋势与刀具的磨损状态具有一定的关联,从而为刀具磨损状态的在线监测和预测提供了新思路。     

EMD和SVM在刀具故障诊断中的应用

与传统方法相比,声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中,提出了基于经验模态分解（EMD）和支持向量机（SVM）的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解,将分解后的有限个固有模态函数（IMF）通过一定的削减算法增强故障类型特征,把每个IMF和残余项的能量以及整个信号的削减比作为特征向量,最后将特征向量输入支持向量机进行训练和测试,判断刀具的故障类型。通过对某一刀具的故障诊断结果进行分析,验证了该方法的实用性和有效性。