基于等效时间的混合储能系统高功率密度优化配置

越来越多的电力电子装置应用到多电飞机（MEA）电力系统中,导致MEA用电负荷功率呈现脉动特性,采用混合储能系统（HESS）平抑负荷功率脉动。为减少HESS重量,提出了一种高功率密度的优化配置方法。为建立负荷功率与储能介质之间的关系,提出了等效时间（ET）的概念,比较两者的ET常数作为储能系统类型选取的依据。进一步提出空间矢量法,采用能量型储能介质矢量和功率型储能介质矢量合成负荷功率,确定最优单体和截止频率,实现了HESS高功率密度配置。同时,从能量约束和功率约束两个方面进行HESS的容量的计算。最后,通过算例配置和仿真分析验证了本文所提方法的可行性和正确性。     

利用经验正交函数分解的大气密度模式校准方法

热层大气密度产生的阻力是作用在低轨航天器上最大的非引力摄动,现有大气密度模式存在15%~20%的偏差,难以满足空间任务应用需要。采用NRLMSISE-00模式作为密度参考标准,通过修正Jacchia-Roberts经验大气模式温度参数校准密度,建立温度修正量与密度的参数方程。针对部分区域修正量迭代计算发散问题,采用改进高斯牛顿迭代法求解方程。选择经验正交函数（EOF）分解方法分析修正量的时空特征,并与传统球谐（SH）分析的结果进行比较。结果表明,前4阶EOF基函数与前9项球谐基函数分别可提取温度修正量超过85%与80%的变化特征,EOF分解方法对温度修正量的表示效率高于球谐分析方法。第1阶EOF基函数反映了温度参数的整体偏差,第2~4阶EOF基函数对应的时间系数表明温度修正量的变化具有天周期性,且球谐分析得到的时间系数同样具有天周期性的特点。利用前4阶EOF基函数和前9项球谐基函数重构的温度修正量校准Jacchia-Roberts模式,校准后的模式密度偏差分别下降了9.06%与5.37%,表明EOF分解方法与传统球谐分析方法相比,能够更有效地修正温度参数,改进模式精度。     

基于主动热载荷管理技术的涡轮盘疲劳寿命

为降低航空发动机涡轮盘失效风险并提高使用寿命,将主动热载荷管理技术应用于预置裂纹的涡轮盘模型,采用通用权函数法计算裂纹应力强度因子进而分析轮盘寿命,研究经主动热载荷管理的轮盘上能量分布对轮盘寿命的影响,探索轮盘上热边界载荷与寿命的关联性和变化规律,并通过有限元仿真模拟初步分析其作用机理。结果表明:主动热载荷管理技术通过优化轮盘的温度分布,可以有效地降低裂纹附近的应力,延缓裂纹的扩展,显著的提高寿命和安全性,当热边界载荷系数分别取0.05和0.10时,轮盘相应的寿命分别增加12.2%和26.1%。     

三结太阳电池高能电子损伤模拟及仿真分析

利用wx AMPS软件构建了高效Ga In P/Ga As/Ge太阳电池的中电池模型,并对电池抗辐照性能进行模拟研究。模拟发现,当辐照缺陷密度较小时,缺陷对中电池的电性能影响较小;当缺陷密度较大时,电性能的下降与电子注量值的对数成正比。计算电池的I-V和量子效率谱(QE曲线)可知,电池电性能的下降直接对应于量子效率的下降、饱和暗电流的增强以及并联电阻的衰降。模拟结果与试验结果的对比显示,在各子电池均匀损伤的假定下,1 Me V电子辐照的缺陷引入率约为0.81。     

基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

基于超椭圆方程和序列响应面法的回转壳开孔形状优化

含有多种功能开孔的轻质回转壳结构是航空航天结构系统内的常用支撑构件,其开孔形状直接影响结构的静动态性能。以回转壳结构为对象,基于超椭圆方程和坐标映射变换推导了回转壳开孔边界的参数化表达,开展了开孔形状动力学优化研究。为提高结构优化计算的精度、效率和收敛性,提出了准等弧长方法和基于均匀设计的序列响应面近似建模方法(SRSM),以分别实现空间超椭圆曲线的精确逼近、减少结构有限元分析成本和加快迭代收敛。以非支配排序遗传算法Ⅱ(NSGA-Ⅱ)作为响应面模型求解算法,结合有限元分析构建了回转壳开孔形状优化设计流程,开展了最大化结构一二阶频率带隙的典型回转壳结构开孔形状优化设计。结果表明,基于超椭圆方程和序列响应面法的开孔优化方法获得了有效改进结构动态特性的回转壳开孔形状,对开展计算耗时工程结构形状优化设计具有一定应用价值。     

基于S-PSO分类算法的故障诊断方法

将监控数据的已知状态作为先验类别标签,构造出新的有监督的粒子群优化(S-PSO)分类算法,并对设备进行故障诊断。为提高故障诊断的准确率,降低随机性对分类算法的影响,提出了新的基于动态邻域的自适应探测更新(ADU-DN)的干预更新策略来拓展粒子搜索整个解空间的能力,引导粒子自适应地跳出局部最优区域,确保获得全局最优解;同时设计出基于最小类内距离、最大类间距离和训练样本最大分类精度的适应度函数,使得输出的最优类别中心兼顾了这3个因素,增强了分类算法在故障诊断中的通用性和容错性,提高了测试样本的分类精度。S-PSO分类算法有效克服了聚类算法只考虑数据间相似性特征、不考虑数据蕴含的物理意义以及不能很好指导样本分类的缺陷。对GE90发动机孔探图像纹理特征分类进行了对比研究,研究数据表明:S-PSO分类算法表现出了较强的鲁棒性,在故障诊断中的分类精度高于支持向量机(SVM)和常用神经网络模型。     

等效原理算法在不同等效面下的误差分析

等效原理算法(EPA)借鉴了区域分解的思想,并基于惠更斯等效原理实现了对大规模散射问题的计算.本文对EPA中的等效原理算子(EPO)进行了误差分析,选取了立方体、球体和进行了光滑处理的立方体等作为等效面寻找误差来源,并提出了误差改进的建议.根据计算结果,等效磁流在等效面上描述的误差一般集中在等效面表面的几何不连续处,且主要受等效面上的法向向量不连续性和基函数的选取的影响.故在选取等效面时应尽量考虑使用平滑的等效面,而不是直接使用立方体等效面.