MIMO随机振动试验控制的逆多步预测模型法

多输入多输出（MIMO）随机振动试验在产品可靠性验证中扮演重要角色。逆系统方法作为一种时域方法，直接由参考信号（即期望得到的响应信号）生成驱动信号，但容易产生不稳定的结果。本文以系统的有限差分模型为基础，推导了逆多步预测模型，并建立了该逆模型与矩阵幂次算法结合的MIMO随机振动试验方法。通过悬臂梁模型进行双输入双输出仿真试验，验证了逆多步预测模型进行MIMO随机振动试验驱动生成的可行性。在三轴振动台上进一步验证该方法进行MIMO随机振动试验控制的能力。     

高可靠度TC17基复合材料叶环破裂转速预测技术研究

为了建立安全可靠预测TC17基复合材料叶环破裂转速的方法,尽快实现其工程应用,开展了SiC连续纤维增强TC17基复合材料叶环结构破裂转速预测技术研究。测定了复合材料叶环成型过程所导致的TC17基体力学性能变化规律,仿真分析了由于热不匹配导致的热残余应力对复合材料叶环强度的影响。考虑复合材料试棒和叶环结构的差异,建立了基于复合材料试棒拉伸强度极限的高可靠度复合材料叶环破裂转速预估准则。完成了复合材料叶环强度试验件设计、制备和试验验证,并对试验件进行了断口分析。结果表明：复合材料叶环成型后,TC17基体合金本构模型将发生改变,其屈服和拉伸强度都有较大程度的下降,强度分析时应予以考虑。复合材料叶环成型工艺所导致的叶环热残余应力使得复合材料增强芯的同一半径处的周向应力沿轴向产生了梯度,其周向和径向最大应力均有明显降低,还导致叶环残余变形最大位置发生了变化。在旋转试验过程中,应变实测值与仿真结果相近。断口分析结果证明本文研究的复合材料叶环结构实际破裂模式为周向破裂,与所建立的仿真方法和评估准则预测的破裂模式一致,且破裂转速的预测精度较高,并保证了设计的安全性,可满足工程应用需求。     

微型涡喷发动机总体综合设计应用研究

微型涡喷发动机总体设计目前还没有较为详细的设计准则和方法。本文应用涡轮发动机的尺寸和重量设计与评估方法,对9~80 kg 级的多台微型涡喷发动机进行总体综合设计并与其发动机数据进行对比评估;建立微型涡喷发动机综合设计数据库,提炼微型涡喷发动机综合设计准则,利用该准则进行16 kg 级微型涡喷发动机的总体综合设计。结果表明：应用微型涡喷发动机总体综合设计方法得到的设计准则可靠性高,能够对微型涡喷发动机进行总体方案设计。     

改进 PSO-RBFNN算法在退化型产品寿命预测中的应用

针对部分高可靠性产品退化规律无法掌握的难题,提出了使用改进粒子群优化—基于神经网络函数(PSO-RBFNN)算法拟合样品退化轨迹、预测伪寿命值的方法。首先,通过改进PSO算法对RBFNN进行训练优化;然后,使用部分测量数据对训练后的RBFNN进行准确度测试;最后,通过RBFNN预测样品退化轨迹,估计出伪寿命值。使用某型电连接器的加速退化试验数据对提出的方法进行了试验验证,成功对该型电连接器进行了寿命预测,得出平均寿命为200 412 h。     

辽宁省工业总产值指数的灰色预测

本文利用灰色预测的方法通过对1970-1998年辽宁省工业总产值指数的灰色分析，建立辽宁省工业总产值指数的灰色预测模型。并通过后验差检验。给出预测精度等级。     

Neal-Smith 准则和ωspTθ2,ζsp,τθ准则的比较

军用标准1797A(MIL-STD-1797A)提供了6种不同的方法评估短周期俯仰响应。这6种方法的评价结果不完全一致。运用序列二次规划方法把ωspTθ2，ζsp，τθ准则映射到Neal—Smith准则中．以确定它们的一致区域和矛盾区域，然后改变ωspTθ2，ζsp，τθ准则中的某个参数进行分析．评估其变化趋势。     

区域管制空域航班延误实时预测模型

目前航班延误是航空运输业亟待解决的问题之一,建立有效的预测模型实现较准确的实时延误预测,对管制员解决空中交通拥挤、减少航班延误意义重大.基于航班计划,建立区域管制空域内单航路的平均延误时间实时预测模型,通过求和可得到空域内多航路的延误预测模型.算例分析表明,模型能够实时预测区域管制空域平均延误时间,是可行有效的.     

民用飞机PIO工程预测准则及试飞方法研究

驾驶员诱发振荡(PIO)是备受关注的适航安全性问题之一.以某民用飞机为研究对象,设计阶段通过工程预测准则计算分析其Ⅰ类、Ⅱ类PIO趋势,适航验证阶段参考AC25-7A给出民用飞机的PIO试飞方法与评价标准.通过试飞验证的飞行数据,结合飞行员评价,表明该民用飞机在试飞期间不存在PIO趋势,满足CCAR25规章要求,且试飞结果与理论预测结果一致.     

NASA桘CRM阻力预测模型的计算验证

采用自研的非结构网格解算器UNSMB 进行了AIAA第四届阻力会议提供的NASA-CRM 翼身组合体（ WB）以及翼身组合加平尾（ WBT）两种构型的计算验证。重点分析了WBT模型的网格收敛特性、升阻力曲线、雷诺数效应、下洗效应以及压力分布等,并把计算结果与阻力预测会议上ONERA的计算结果进行了对比。分析结果显示,非结构混合网格解算器的计算结果与ONERA的计算结果吻合度较好,同时在一定程度上验证与确认了解算器的阻力预测精度。     

基于深度学习的翼型反设计方法

建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线。该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程。模型测试中,6 000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅67 s,预测的翼型曲线与CFD计算结果的平均相对误差为055%。对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能。结果表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率。