基于MotoTron平台的二冲程煤油发动机控制器开发

为实现某二冲程航空煤油发动机控制器的快速开发和策略验证,结合MotoTron快速控制原型开发平台丰富的软硬件资源,依据空气辅助缸内直喷与双火花塞点火的系统设计需求,开发了一套利用8缸机程序控制4缸机的发动机控制器。分析了基于快速控制原型软件架构的控制软件设计方法,利用开发软件MotoHawk配置底层程序和搭建发动机控制系统,并结合Matlab/Simulink建立上层控制策略,实现了完整的控制系统开发。在台架上进行了冷起动测试,发动机起动后转速较平稳,点火提前角、喷油提前角和喷油脉宽的调节过程符合控制策略设计,空燃比控制稳定,空燃比误差在10%以内。发动机顺利过渡到正常工况,验证了冷起动控制策略的可行性,实现了控制器的基本功能,控制器设计满足要求。     

双组元液体火箭发动机推力室材料研究进展

针对双组元液体火箭发动机,综述了难熔金属材料、贵金属材料、高性能复合材料三大推力室材料体系的研究进展,介绍了三大体系材料主要的制备技术和应用,讨论了使用局限性,并对推力室材料的发展趋势进行了展望。     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。     

模块化永磁直线游标电机等效磁网络及漏磁分析

在模块化永磁直线游标电机的初始设计及优化设计中,使用有限元方法(FEM)计算漏磁系数时需要耗费大量的建模和计算时间。针对这一问题,建立该种电机的等效磁网络模型,在建模期间,考虑气隙中的边缘效应,并计算永磁体组与定子齿在不同相对位置时的等效磁导,得到该种电机在一个周期内不同相对位置时的漏磁磁导和漏磁系数的数学解析表达式。采用FEM验证了该数学解析表达式的准确性。研究结果为模块化永磁直线游标电机的设计提供了理论依据。     

弹片热机械疲劳试验方法研究及设计

针对弹片的热机械疲劳（TMF）试验要求,采用机械设计技术、机电技术、冷却技术、计算机技术和数据采集技术,提出了压力载荷和热载荷的加载方法,建立了2种载荷5个试验件的并联试验控制系统,并设计了弹片热机械疲劳试验器。试验结果表明:该系统能够同时模拟服役环境下弹片的压力载荷和热载荷。利用该试验系统进行了弹片的热机械疲劳试验,试验结果再现了弹片在服役状态下的失效模式。试验系统具有良好的重复度、较高的加载频率和加载精度。压力载荷最大相对误差为2.4%,绝对误差小于0.5N。温度载荷最大相对误差为3.55%,最大绝对误差为3.89℃。      

基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

基于虚拟样机技术的航空发动机放气活门机构仿真及故障分析

针对某型航空发动机放气活门机构主动摇臂的多起断裂故障,为寻找故障原因并尽可能缩短排故周期与降低排故成本.借助虚拟样机技术建立此机构的动力学仿真模型,利用动力学仿真软件ADAMS与有限元分析软件ANSYS的联合仿真分析,实现放气活门机构摇臂断裂故障再现,并找出断裂件受力的主要影响因素及其影响规律,估算各受力水平下断裂摇臂的疲劳寿命.最终,分别给出保证摇臂最低使用寿命与全寿命使用情况下的改进建议,即将摇臂与放气活门之间间隙B增大至0.273mm与0.279mm,从而为实际工程排故提供理论依据.      

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

智能机床的误差补偿技术

误差补偿技术是智能机床精度提高与保持的关键技术之一.分析了国内外机床误差补偿技术研究现状,提出智能机床误差补偿技术总框架;总结了智能机床误差源、误差元素、几何与热误差的误差元素模型及建模方法,以及典型的误差补偿方法;研究了力误差补偿技术、基于零件在线测量的误差综合补偿技术;最后,对未来智能机床误差补偿技术的发展重点进行展望.