基于遥测数据的无人机气动参数辨识方法研究

针对无人机在高空低速飞行时易受风场影响及在数据分析时遥测数据不完备的问题,进行了气动参数辨识方法研究,提出了基于空速管平面矢量三角形的风场估计方法及基于风场信息修正的气动角估计方法。以某型无人机为例,对遥测数据进行了充分分析与信息综合,运用逐步回归方法进行了纵向气动参数辨识,并进行了实验验证。结果表明,模型计算结果与实测数据吻合较好,说明所提方法有效。考虑到辨识模型的数学本质,该方法对其他固定翼无人机同样适用。     

高性能产品(零件)制造技术特征现状的研究分析

系统分析各类高性能制造以注重零件的几何尺寸精度所带来的问题,即在具备超精密、高精度加工能力后,由"合格的高精度零件"装配出的产品至今依然还是合格率低、参数稳定性差的本质内因.首次从零件制造微观角度提出了产品生产合格率低、参数稳定性差是由零件表面微观特征与产品技术特征非匹配性导致的,提出了全新的产品制造理念,从注重零件的几何尺寸精度向关注零件制造微观工艺特征与产品技术特征的匹配性和符合性转变.形成和建立起我国自主创新的高性能产品制造思想和产品制造工艺技术体系,才能从根本上解决产品生产制造合格率低、参数稳定性差等问题,才能形成有继承性、可持续、稳定的产品制造技术体系,而这一切是工业4.0制造模式无法解决的.     

基于小波包变换及相关系数法的复合材料层合板冲击位置识别研究

复合材料较为广泛应用于航空、航天等工程领域,但对冲击载荷十分敏感。因此,对复合材料结构承受的冲击载荷进行在线监测以及冲击位置的实时识别具有重要意义。文章以复合材料层合板为研究对象,基于两个冲击位置的距离越靠近则接收到信号幅频特性相似度越高的特点,采用FBG光纤光栅传感器,通过小波包变换的方法来提取能量特征向量,同时结合相关系数法来实现复合材料层合板的冲击位置识别。在480 mm×480 mm的复合材料层合板上开展冲击实验,8次实验皆完成了冲击位置识别,其中7个点距离误差为0 mm,实现精准识别,另一个点误差在6%以内。     

基于增益在线辨识的微机电陀螺 标度因数补偿技术研究

标度因数温度稳定性是微机电陀螺的关键指标之一,是评价陀螺温度性能的重要依据。推导并分析了温度对陀螺标度因数的影响,指出驱动模态振动位移、检测通路电路增益及两模态频差是影响陀螺标度因数温度稳定性的3个重要因素,测试了对标度因数影响较大的电路增益和频差在温度变化条件下的变化。对此设计了基于增益在线辨识技术的标度因数温度补偿方案并进行了数值及宏模型仿真,通过在驱动端和检测端施加一远离陀螺工作频率的辅助信号实时辨识出电路的增益变化,进而进行增益补偿,同时对陀螺频差变化带来的影响也进行了补偿。仿真结果表明该方法能够大幅提高陀螺标度因数的温度稳定性,由未补偿下的7.93×10~(-4)/℃降至1.0×10~(-5)/℃以内,改善幅度达98%以上。     

基于间接法在线能力评估和自主规划技术研究

针对运载火箭推力故障条件下的自主救援任务,研究了一种基于间接法的在线能力评估和自主规划方法.构建了以入轨点能量最大为最优性能指标的最优控制问题.通过数值方法探讨了在满足轨道倾角和入轨点路径角约束条件下,入轨点速度、远地点和近地点跟入轨高度之间的关系,设计了一种与入轨高度相关的特征量来对入轨能力进行评估.以近地点最高为救...     

航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

一种基于SNM降阶技术的整体叶盘结构失谐识别方法研究

本文以谐调叶盘有限元模型解析模态和失谐系统的实验测量模态作为基础信息,提出了一种整体叶盘结构失谐识别方法。该方法基于SNM降阶技术,大大降低了识别过程的计算花费以及对基础信息的要求;采用了子矩阵型技术使得失谐参数定义更加的自由,并使得该方法具有模型修正的功能;利用最可能向量技术处理实验测量模态振型,有效的限制了测量噪声、非线性等因素对识别过程的影响。最后以一个真实叶盘结构的数值仿真分析证明了该方法的正确及有效性。     

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.      

适于黏性计算的自适应笛卡儿网格生成及其应用

复杂外形的黏性网格生成已经成为计算流体力学(CFD)在工程应用中的主要瓶颈,高效而鲁棒的网格生成技术研究显得尤为迫切。使用基于物面外形自适应加密的笛卡儿网格方法生成计算网格,投影方法拟合壁面边界,将投影得到的柱形单元沿法向分层获得适于黏性计算的网格。应用特征恢复技术恢复凹面特征并改善凸面处的网格质量。流场解算中应用最小二乘法重构获得2阶精度,Roe格式计算无黏通量,Holmes-Connell方法计算黏性通量。加入Spalart-Allmaras一方程湍流模型以获得湍流解。上下对称高斯 赛德尔迭代(LU-SGS)格式隐式时间推进,对网格重排序保证格式的稳定性和平衡性。算例显示网格生成方法是快速的和鲁棒的,流场计算精度满足工程需求,因此该方法非常适合应用于实际工程计算。     

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.