航空发动机电液伺服系统机载模型监控设计

为了监控航空发动机电液伺服系统中不易通过机内测试电路诊断的异常或故障,提出一种机载模型监控方法,采用AMESim工具进行系统的建模,之后对模型进行校准、实时化和线性化处理。在对监控算法进行了设计与仿真之后,用C代码编程实现了模型监控算法,并运行于发动机电子控制器中。对某发动机燃油计量装置的试验表明:机载模型监控可以有效监测系统中因元部件性能衰减、卡滞、零偏漂移等引起的异常或故障,并能补偿电液伺服阀的零偏漂移和容错运行,避免控制功能失效或过快降级。可为航空发动机及相关领域的电液伺服系统机载模型监控设计提供参考。     

正十烷简化机理的构建及其在发动机燃烧数值模拟中的应用

发动机燃烧室中燃料的能量释放与燃烧特性对于发动机设计具有重要作用,为了预测发动机点火包线和贫/富油极限等关键性能,迫切需要发展航空燃料及其典型组分的高精度化学动力学模型。本文针对燃料典型组分正十烷,采用自主开发的机理生成程序ReaxGen构建了其燃烧详细机理（1499种组分、5713步反应）。为了验证机理的合理性与可靠性,在当量比Φ=0.5-2.0,压力P=1-80 atm的宽工况条件下进行了点火延迟模拟验证,结果表明本文提出的正十烷详细机理在较宽的温度、压力和当量比条件下具有较高的模拟精度。为获得适用于发动机燃烧模拟的高精度简化机理,本文基于误差传播的直接关系图方法简化了正十烷燃烧详细机理,得到包含709种组分、2793步反应的正十烷半详细机理。进一步在高温范围（1000-1500 K）,采用路径通量分析方法简化得到含77种组分、359个反应的骨架机理。获得的骨架机理能够合理描述正十烷在高温下的燃烧特性,且该骨架机理尺度规模可用于基于火焰面模型的燃烧数值模拟。基于此高精度的骨架机理模型,结合火焰面生成流形湍流燃烧模型,采用大涡模拟方法进行了航空发动机环形燃烧室单头部扇形的燃烧模拟,初步获得了非稳态流场结构,其中温度模拟结果与实验值基本符合。     

一起飞机防冰系统短时告警故障分析

采用从系统-产品-器件逐步递进的方法和故障树分析法,对一起飞机防冰系统短时告警故障进行分析,并对导致故障的继电器开展了失效分析.从此案例的分析可以看出,很有必要对继电器等电气器件进行梳理分类,开展寿命试验及实际状态评估,增加必要的器件维修和检测手段,为改进修理模式提供可靠依据,最大程度地降低飞机质量风险.     

基于状态观测器的空间机械臂关节故障诊断

为了实时检测空间机械臂关节故障的发生并获得有效的故障信息,提出一种基于状态观测器的关节故障诊断方法。通过结合滑模变结构控制理论设计滑模状态观测器,获得机械臂各运行状态的残差信息,并将其与设定的阈值比较,实现关节故障的检测。进而引入不同的故障模式,构建故障数据库,将实际关节故障所导致的机械臂故障残差信息与故障数据库对比,完成故障发生位置及其故障程度的识别。所提诊断方法考虑了空间机械臂系统内部强耦合特性,能够及时检测故障的发生并获取有效的故障信息。最后以7自由度空间机械臂为对象开展数值仿真研究,验证了所提关节故障诊断方法的有效性。     

导弹智能化对惯性技术发展需求

未来战争是智能化的战争,未来导弹的发展必然呈现智能化趋势。针对导弹智能化需要具备的智能感知、智能决策、智能控制、智能协同和智能突防等五方面特征,分析了惯性技术的作用和发展需求,颠覆性创新技术的不断涌现,也推动了新原理、新材料、新技术在惯性技术领域的应用。本文提出了需要突破的关键技术,包括惯导系统大数据应用技术、惯导系统容错及系统重构技术、智能协同导航系统的时空基准统一技术、以惯性系统为基础的信息集成技术等关键技术,并对适应未来网络协同作战的智能导弹导航控制需求提出了对策建议。     

综合模块化航电系统FC网络的机内测试设计

针对综合模块化航电系统FC网络单元分布范围广、故障定位困难、维修效率低的问题,设计了一种机内自测试方法.在网络构建时间和通信效率的约束条件下,通过网络构建和故障检测同步进行的机制实现快速的任务前故障检测,通过实时监测和故障触发相结合实现低开销的任务中故障检测.在网络故障发生后,通过网络遍历和通信自环绕测试将故障有效地隔离至单个模块,提高检测和维修的效率.     

AutoCAD环境下图形参数化实现方法研究

在ＡｕｔｏＣＡＤ图形环境下,基于对图形理解的策略,通过数据库中图形实体数据的分析和图形之间约束关系的推理,判断其中图形实体和尺寸实体的关系,并参照机械制图的隐含约束关系,建立图形和尺寸之间的联系,最后基于约束联系,生成ＡｕｔｏＬＩＳＰ参数化绘图程序,避免了人工编程,由此实现了图形的参数化,提高了绘图效率和ＣＡＤ技术的应用水平。     

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于HHT的航空直流串行电弧特征提取方法

由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题,导致检测困难。本文基于航空270 V高压直流（HVDC）系统开展直流串行电弧故障特征提取方法研究,采用希尔伯特黄变换（HHT）提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征,与原始信号中提取的时域特征量对比,正常和电弧特征量的区分度更大;选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换（FFT）方法相比,HHT三维时频谱能够反映信号的局部特征,HHT方法计算得到的正常和电弧特征量之间的区分度更大,电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况,有助于提高电弧故障的检测率,降低虚警率,具有重要的工程应用价值。