保载条件下FGH95材料的疲劳特性及寿命建模

针对FGH95粉末冶金材料进行了650℃时不同保载形式(拉伸保载、压缩保载和拉压保载)的疲劳试验, 分析了其变形特征和疲劳寿命分布特征以及保载对疲劳寿命的影响.并据此, 为改进保载条件下疲劳寿命的建模, 提出了迟滞环位置-形状修正因子的概念, 进而得到了一种修正的非弹性应变能~寿命方程.经对该材料疲劳试验寿命的建模和计算分析表明:该方法相比其他几种工程上经常采用的寿命预测方程, 较好地解决粉末冶金材料高温保载疲劳时的寿命建模问题, 且该方程对试验寿命预测的精度更高, 形式简单, 具有明显的物理意义.      

一阶滞后对象广义预测控制下的闭环稳定性分析

 利用参数模型和非参数模型相结合的方法,给出了一阶滞后对象在广义预测控制下闭环稳定的充要条件。发现:(1)对开环稳定的一阶滞后对象,总存在一组控制器参数,使得在该控制器控制下,无论对象的开环增益K与时间常数T如何变化,闭环系统都保持稳定;(2)对于开环不稳定的一阶滞后对象,无论控制器参数如何选取,当K和T的变化超出一定范围时,闭环系统就会失去稳定性。     

飞行器多因素突发性灾难事故的预防及其算法

 首先指出多因素引起的突发性灾难事故现仍偶有发生,虽然其发生次数不多,但性质是严重的。阐明多因素失效灾难性事故的预防方法,提出有工程实际意义的截断事故链中关键链的概念与方法,提出与建立针对多因素失效的可靠性分析方法,并提出如何在飞机上建立相应的健康监控设施及其算法。     

Flight Flutter Modal Parameters Identification with Atmospheric Turbulence Excitation Based on Wavelet Transformation

针对基于大气紊流激励的飞机颤振试验数据具有信噪比低以及测量数据以加速度响应形式给出等特点,将小波变换与随机减量法相结合对飞机颤振模态参数进行识别,首先利用随机减量法获得结构在非零初始加速度条件下的自由衰减响应,然后对该自由衰减响应进行Morlet连续小波变换,为使变换简单,本文采用了Parseval定理和留数定理,利用Morlet的带通滤波特性,通过搜索小波变换系数在不同的尺度区域内的极大值,再根据小波变换系数的极大值、相角与固有振动频率及阻尼系数间的关系,即可识别出各模态参数。并对利用小波变换识别颤振模态参数时,实现模态解耦应满足的条件进行了分析研究。通过仿真和飞机颤振试验数据分析,验证了该识别方法不仅简单、有效和可行,而且具有较强的抗噪性。     

月面软着陆探测器地面力学试验方法研究

月面软着陆探测器的主要任务是携带有效载荷实现在月球表面的安全着陆,其经历的主要过程包括发射段、地月转移段、近月制动段、环月段、着陆段和月面工作段。软着陆探测器面临的月球环境比近地轨道卫星复杂得多。为提高软着陆探测器系统的可靠性,必须进行充分的地面试验,验证软着陆探测器的设计合理性。文章分析了月球软着陆探测器在各飞行过程中面临的力学环境,分析了力学环境对探测器系统的影响及作用效果,提出软着陆探测器需完成的地面力学试验项目,设计相应的试验方法,并给出确定试验量级的基本原则。     

关于改进大学新生心理健康状况普查机制的研究

现今大学生的心理健康教育已经得到了全社会的广泛关注,各种干预机制层出不穷,其中新生入学后的心理健康状况普查几乎已经是一个必选项目,多数学校目前普遍采用的都是网络版心理测试,大大提高了心理测试的效率。但是随之而来的问题是：废卷率颇高,测试结果真实性不足,结果分析往往呈总体概括化,个体针对性不强,以致于做针对性的个体访谈时大量的测试信息被浪费、遗失。基于以上各种常见问题,我们拟以学校近年来的实践为背景,针对改进大学新生心理健康状况普查机制进行研究,提出更加有效的测评机制。     

考虑局部遮挡的太阳能无人机能源控制

针对太阳能无人机在飞行状态下可能出现的太阳能电池局部遮挡情况,开展相应的太阳能电池最大功率点追踪算法和能源控制研究。通过将发光亮度引入相对吸引力计算过程对萤火虫算法进行改进,实现了局部阴影情况下太阳能电池最大功率点的高效追踪。以此为基础,设计了考虑局部遮挡情况下太阳能无人机的太阳能电池/蓄电池混合能源状态机控制规则。以"蒲公英I"无人机为例,建立了太阳能电池阵列模型,开展了考虑局部遮挡情况下太阳能电池最大功率点追踪仿真实验;基于"蒲公英I"飞行剖面,开展了考虑局部遮挡情况的混合能源控制仿真试验。研究结果表明：改进的萤火虫算法可以实现在局部阴影情况下太阳能电池最大功率点的有效跟踪,与萤火虫算法相比收敛时间更短、且功率波动幅度更小;采用改进萤火虫算法和状态机能源管理策略,在考虑局部遮挡的飞行状态下可以实现太阳能电池/蓄电池之间的合理功率分配与控制。     

基于IPSO-Elman神经网络的飞机客舱能耗预测

为了提高飞机客舱使用地面空调制冷时客舱能耗的预测精度,提出了一种改进的粒子群优化（IPSO）Elman神经网络的飞机客舱能耗预测模型。依据对算法中惯性权重与学习因子的收敛域分析,得出了二者合理的取值范围,将粒子到全局最优位置间距离与参数的取值范围相结合,构造了惯性权重与学习因子的动态调节函数,对其进行非线性的动态调节,并引入了变异因子,提出了一种跳出局部最优的策略,防止粒子群优化（PSO）陷入局部最优。将IPSO-Elman应用于Boeing738飞机客舱能耗预测中,与PSO-Elman、Elman算法进行性能比较,仿真结果表明基于IPSO-Elman的客舱能耗预测模型在预测精度和收敛速度方面均有一定的提升。该研究结果为飞机客舱能耗预测模型的建立提供了理论依据,对飞机地面空调的节能与机场电能合理调配提供了支持。     

多重应力下滚动轴承剩余寿命预测

为了实现多重应力下滚动轴承的剩余寿命预测,有效利用不用应力下的退化数据,提出了一种基于加速模型和贝叶斯（Bayesian）理论的滚动轴承剩余寿命预测方法。通过拟合优度检验和威布尔（Weibull）概率图检验法对滚动轴承试验中的数据进行有效性分析。利用switching Kalman filters(SKF)判断滚动轴承各时刻的退化状态。当滚动轴承进入加速退化时,用指数模型拟合轴承退化过程,利用广义线性对数模型表示退化模型参数与应力的关系,根据修正后的轴承实时退化数据利用贝叶斯算法更新模型参数,得到滚动轴承剩余寿命的概率密度函数,从而实现滚动轴承剩余寿命预测。采用XJTU-SY轴承数据集进行验证,预测结果的均方根误差在20 min以内,证明该方法能够有效预测滚动轴承的剩余寿命。     

Using the radial basis function neural network to predict ionospheric critical frequency of F2 layer over Wuhan

Neural networks (NNs) have been applied to ionospheric predictions recently. This paper uses radial basis function neural network (RBF-NN) to forecast hourly values of the ionospheric F₂ layer critical frequency(f_oF₂), over Wuhan (30.5N, 114.3E), China. The false nearest neighbor method is used to determine the embedding dimension, and the principal component analysis (PCA) is used to reduce noise and dimension. The whole study is based on a sample of about 26,000 observations of f_oF₂ with 1-h time resolution, derived during the period from January 1981 to December 1983. The performance of RBF-NN is estimated by calculating the normalized root-mean-squared (NRMSE) error, and its results show that short-term predictions of f_oF₂ are improved.