航空液压泵柱塞游隙增大故障诊断

柱塞游隙增大是航空液压泵典型的渐进性故障之一,其故障特征模糊,样本有限,故障数据充满噪声,对其进行精确的故障诊断十分困难,因此提出了一种基于简约支持向量机的故障诊断方法.利用粗糙集对故障特征变量进行简约,去除冗余信息,在保证分类质量不变的前提下寻求覆盖系统故障特征的最小属性集合;将简约后的数据样本用来训练支持向量机进行故障分类.使用训练完成后的简约支持向量机进行故障诊断的实验结果表明,此种诊断方法适合于航空液压泵柱塞游隙增大的高精度故障诊断.     

异步电机起动/发电系统起动向发电的转换研究

用异步电机与电力电子变换器结合构成的起动/发电系统作航空电源是一个很有意义的课题。对异步电机起动/发电系统中起动向发电的转换进行了研究,提出充分利用系统中变换器可快速控制定子磁链转速的特点,改变电磁转矩的方向,实现起动到发电的转换。详细介绍了转换过程控制方案,该方案可实现起动到发电的平滑转换,且在进入发电状态后直流母线电压由起动电源电压自动增长到所需的发电电压,最终稳定发电。最后给出了仿真与实验结果。     

一种艇翼式飞行器的设计及验证

艇翼式飞行器结合了浮空飞艇和飞机的特点,具有低速性能优越、有效载荷大、应用范围广和节能环保等优势。针对升浮一体布局的气动、结构等特殊问题,提出一种艇翼式飞行器的布局方案,完成艇翼式飞行器的总体设计,制作验证样机并成功试飞。通过飞行数据的对比说明艇翼式飞行器的性能特点,验证了设计方法的正确性和设计方案的可行性。     

全包线内航空发动机参数估计的神经网络实现

介绍一种特殊的前向神经网络——自联想神经网络（Ａｕｔｏａｓｓｏｃｉａｔｉｖｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋｓ,ＡＡＮＮ）,然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来,开展了将ＡＡＮＮ应用于发动机全包线、大范围工况下参数估计的仿真研究。本文提出的选取测量矢量加入样本集的ＥＭＰ方法,有效地减少了样本集中样本矢量的数目,简化了网络的训练。用ＥＭＰ方法在全包线内仅用７４６组测量矢量作为样本集,在网络训练好后,任选包线内的一工况点作为算例运行发动机模型,所得各参数的稳态估计及动态估计的平均百分比误差＜０．５％。仿真结果表明,上述的参数估值方法是可行的,为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础。     

未来航空发动机材料面临的挑战与发展趋向

根据发动机材料基本服役环境的特点,提出将先进的结构概念与材料概念、发动机的先进性、可靠性与材料组织和缺陷的可控性与稳定性结合起来开展材料研究的论点。从使用温度、高温比强、抗氧化性、韧性、导热性与加工性方面分析了传统材料与新材料体系的特点,并针对我国航空发动机材料中存在的问题,提出了若干建议。     

外激振动条件下气体减压器工作稳定性仿真研究

为研究运载火箭增压系统中减压器在外激振动条件下的工作稳定性,在减压器模型中通过壳体位移坐标引入振动激励源,建立了可模拟减压器在外激振动条件下工作过程的计算模型,对外激随机振动条件下增压系统动态工作过程进行了仿真.针对仿真发现的减压器下游压力振荡的不稳定现象,对减压器下游不同管路尺寸和减压器不同参数下的系统工作过程进行了对比计算.计算结果显示:增大减压器下游管路尺寸,减小减压器阀芯组件质量与减小阀芯组件与壳体间滑动摩擦力,都可以使压力振荡过程减弱,有利于改善减压器在外激振动过程下的工作稳定性.计算结果为减压器及增压系统的设计和优化提供了参考.      

航空发动机传感器信号重构的K-ELM方法

针对航空发动机传感器信号重构,提出了评价核极限学习机（K ELM）模型性能的一种快速留一交叉验证方法.结果表明:该方法可以避免原始的留一验证方法N次模型的显式训练,将计算复杂度降低为原来的1/N（N为样本数目）.该算法可以快速准确评价核极限学习机的性能,为核极限学习机确定最优的核参数.      

基于半马尔可夫模型的民用航空发动机热端组件系统检查间隔优化

根据采集的民用航空发动机热端组件系统检修信息和专家对系统退化状态的判别,在系统状态退化过程为离散半马尔可夫链过程的假设前提下,分别建立了基于专家估计数据、基于检查数据以及基于融合数据的各宏观退化状态驻留时间估计模型,并应用最大似然函数法和MCMC（Markov chain Monte Carlo）法对模型参数进行估计,得到基于不同数据源的各宏观退化状态下驻留时间估计值和状态转移系数,并以一定使用周期内的检修费用最优为目标建立状态转移概率模型,仿真得到3个典型宏观退化状态下的最优检查间隔分别为1750、350、70循环。该仿真结果与目前的民航运行生产工程实际情况非常接近,可以为民航运输企业的检修决策提供客户化的决策支持并提高经济效益。      

基于概率神经网络的发动机故障诊断

 用反向传播神经网络 (BPNN)和概率神经网络 (PNN)对航空发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较。仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高的诊断准确率;当测量参数的噪声较大时,则概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性。此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度。     

变循环发动机

首先对变循环发动机(VCE)发展作了简要的回顾，接着，重点介绍了通用电气公司的VCE的发展情况．最后，对实现VCE所需突破的一系列关键技术进行了叙述。