弹体接头对全弹结构动力特性影响研究

在对导弹结构的固有动力特性和响应分析中,我们会发现,轴向分布的接头对于全弹的刚度和阻尼特性都带来明显的扰动,对固有频率的影响最大甚至可达25%左右.所以我们必须对导弹弹体接头的动力特性及它对全弹动力特性的影响做深入研究,从而有效地确定全弹动力特性和数学模型,可靠地控制全弹的结构动力响应特性 [1].     

VS-CMA盲均衡算法在短波数据通信中的应用研究

在美军标MIL-STD-188-110B基础上,改进短波（HF）数据通信发送端数据流结构,以便接收端对信号进行盲均衡处理。基于8PSK调制信号的峰度为恒定值的统计特性,提出采用均衡输出信号的峰度与理想信号的峰度差异,以调整恒模算法（CMA）的步长因子;并针对国际电联推荐的短波信道参数,进行了算法的性能仿真。仿真分析表明该算法对慢衰落的短波信道具有较好的均衡效果,对快衰落信道的均衡能力有限;应对快速衰落信道,算法还有待进一步改进。     

基于粗糙集和神经网络的导弹故障诊断方法

人工神经元网络（ANN）具有本质的非线性特性、并行处理能力以及自组织自学习的能力,但单独使用ANN处理问题时,往往会存在一些缺陷。文章介绍导弹驾驶仪故障智能诊断的一种新方法：首先,利用粗糙集原理约简故障特征属性数据;其次,用带动量项的批处理BP神经网络方法对故障数据进行训练并检验;最后,将故障数据处理后输入神经网络分类器,对故障实施诊断。     

基于神经网络的民航安检系统风险评价研究

随着民航事业的快速发展,民航安全问题引起了广泛的关注.民航安全检查是民航管理安全重要的组成部分,如何建立一个合理的风险评价模型,指导民航安全检查的管理工作,已成为民航管理者的迫切需求.将BP神经网络模型引入民航安全管理,在分析民航安检系统的基础上,建立了安检系统的风险评价模型.通过实际应用验证了该模型的可行性.     

非稳态流体网络方法在发动机空气冷却系统中的应用

将流体网络法与非稳态模拟方法相结合应用到发动机空气冷却系统沿程温度、压力、流量的非稳态特性预测中.本方法将空气系统简化为节点和元件组成的网络,节点和元件处建立守恒方程,针对传统解法的计算稳定性问题引入了压力修正和积分方法相结合的求解方法.程序应用到可参考对照的模型中得到验证.验证后的程序被应用到发动机轴部冷却通道空气系统非稳态特性预测中.      

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

航空发动机管路流固耦合固有频率计算与分析

本文使用ANSYS有限元软件对航空发动机管路的流固耦合振动进行分析研究。讨论了管内流体质量、压力、温度,管路形状、截面尺寸对管路流固耦合固有频率的影响。最后,考虑上述所有影响因素,对一实际发动机燃油管路进行计算．得到了其固有频率和振型。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

加力燃烧室热声振荡纵向传播特性及控制

建立了管道声传播与不稳定热释放耦合的热声振荡理论模型,并用来对复杂的航空发动机加力燃烧室中的纵向传播的振荡特征频率及稳定性进行分析和预测.利用二维定常计算流体动力学(CFD)模拟结果获得流动平均参数,在此基础上讨论了加力燃烧室内热释放位置、隔热屏穿孔率等结构的变化对热声振荡特性的影响,表明该模型能够方便地应用于对加力燃烧室热声振荡影响因素的研究并揭示某些控制规律.      

一种MEMS陀螺标度因数误差补偿方法

高动态、恶劣温度环境下,微小型飞行器(MAV)导航、制导与控制系统关键器件微机电系统(MEMS)陀螺受温度和转速耦合影响,其标度因数误差呈强非线性特点,常规方法无法精确补偿。通过分析MEMS陀螺标度因数误差的产生机理,建立了包含温度和转速非线性因素的标度因数误差模型,提出一种基于径向基(RBF)神经网络的标度因数非线性耦合误差补偿方法,解决了常规补偿方法精度差的问题。标定与补偿实验表明:在-10～+55℃温度范围、-150～+150(°)/s输入转速范围内,采用新方法补偿后MEMS陀螺输出平均精度比多项式拟合方法提高7倍;在-20～+20(°)/s低输入转速的误差强非线性区间内,精度提高近20倍,验证了本文方法的有效性和优越性。