池内过冷核沸腾表面活化核心密度的研究

为研究在过冷沸腾条件下的加热表面的活化核心密度尺度分布是否具有分形特征,运用核态沸腾换热机理模型对不同过冷度下的4种不锈钢换热表面的活化核心密度进行了预测.结果表明:对于特定的沸腾表面,过冷度不影响活化核心密度曲线的形式,预测曲线与作者提出的加热表面活化核心密度的分形描述相一致,从而进一步证明了该结论具有普遍性.     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

空间矢量和单周控制三相航空有源电力滤波器

提出了一种新型三相航空有源电力滤波器的控制方法.按照空间矢量 的方法,将三相母线交流电压划分为6个区间,在每个区间,建立单周控制模型.这种基 于空间矢量和单周控制的控制器只需要1个带复位的积分器、3个比较器、2个触发器、1 个双八路多路复用器和一些线性器件.在每个区间有1个桥臂工作在低频状态,另外2个 桥臂工作在高频状态.采用这种控制器的有源电力滤波器具有简单、可靠、鲁棒性好、控制 精度高、效率高等优点.在分析、建模的基础上进行了仿真和试验研究.仿真与试验结果证 明,采用这种控制方式的三相有源电力滤波器能够动态地对电流谐波和无功进行有效补偿, 从而验证了这种控制方法的正确性和可行性.      

有源周期性结构控制电磁波反射波束指向研究

提出有源反射的概念.利用如光带隙电磁结晶结构、高阻抗结构等周期性结构的带隙特性和 阻抗特性,通过在类似高阻抗表面的周期性金属单元表面铺设有源器件--变容二极管,控 制周期性结构的性能,建立有源周期性结构,影响入射电磁波的传播特性,实现对反射波束 的指向的有源控制和有效改变.仿真实验证明采用单层或双层有源周期性结构表面,可以有 效控制反射波束的相位和角度指向.     

一种新颖超磁致伸缩作动器的隔振模型

根据超磁致伸缩材料的本构方程分析了超磁致伸缩作动器输出位移的组成,以此为根据建立了基于超磁致伸缩作动器的单层单自由度隔振平台数学模型.该模型以平台在激振力作用下产生的振动位移为系统干扰输入;根据此模型分析了基于超磁致伸缩作动器的隔振原理;在频域内推导出了系统隔振能力与激振力频率及作动器最大输出位移之间的数学关系,然后在时域内采用自适应LMS(Least Mean Square)算法在Matalb环境下进行仿真.仿真结果与理论分析均表明,隔振平台的隔振能力与激振力频率的平方以及作动器最大输出位移成正比,从而为合理设计隔振平台用超磁致伸缩作动器提供了理论依据.该模型不仅可用于分析基于磁致伸缩作动器的隔振原理,对其它作动器的隔振原理也适用.      

SMARC变形控制及神经网络建模

在复合材料层板中偏离中性层的位置铺设镍钛形状记忆合金丝,然后通电加热镍钛丝,使其在形状回复过程中产生巨大的回复力,从而使层板结构发生弯曲变形.由于形状记忆合金的非线性以及合成的智能材料结构的应力、应变分布和形状变化规律都非常复杂,尝试引入人工神经网络来建立以可控参量(电流强度)为输入变量、易测参量(稳态挠度)为输出变量的模型,所建模型的预测数据与实验数据之间符合得较好,相对误差小于9%.      

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

基于DDPG-PID的机器人动态目标跟踪与避障控制研究

针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。     

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。