基于蒙特卡罗法的航空发动机空气系统稳态算法优化

针对目前航空发动机空气系统稳态算法中收敛性依赖初值的问题,将蒙特卡罗方法与流体网络法综合应用到空气系统可压缩流体一维网络计算中,提出了一种新的计算方法Monte Carlo-Fluid Network（MC-FN）。该方法将空气系统简化为由节点和元件组成的网络,借助蒙特卡罗方法获得空气系统内各节点压力分配,再根据空气系统中各元件流阻特性和换热特性计算流量、温度。计算中通过将游动次数比较少的蒙特卡罗方法的计算结果作为流量残差法节点压力、温度的初始值,实现快速求得精确收敛解。与流量残差算法相比,MC-FN方法计算精度不变,收敛速度提升了66.5%;与线性求解法相比,MC-FN方法的计算精度提升了25.2%,收敛速度提升了43.8%。     

基于MISG算法的风力发电机液压变桨系统故障诊断

针对受状态延时影响的风机变桨系统故障诊断,提出了一种基于多新息随机梯度(MISG)的故障诊断方法。该方法将复杂系统转化为状态空间模型,并建立系统辨识模型。将新息标量扩展成新息向量改善算法精度,利用系统发生故障引起参数改变的特征,算法对风机状态延时变桨系统完成参数估计,将系统故障诊断问题转换为系统辨识问题。仿真所得结果验证该方法可以达到诊断风机状态延时变桨系统故障的目的。     

Kalman弹道滤波器的快速收敛性研究

在弹道修正过程中,需根据一段实测弹道参数,准确地估算常规弹箭的飞行弹道。工程中,常应用Kalman滤波方法,结合质点弹道模型建立六状态滤波弹道模型。速度初值估计的准确性,是对滤波过程造成影响的主要因素。为改善这一状况,采用多项式拟合用以对速度状态进行估计并以此作为滤波初始值。在此种估计下滤波,速度滤波过程可快速收敛,位置滤波过程收敛速度大幅度提高,可使最优弹道诸元参数获取时间缩短30%。     

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

平面叶栅尾流板开孔率对跨声速涡轮叶栅流道影响的数值分析

跨声速平面叶栅风洞中通常通过尾流板来改善平面叶栅周期性,针对尾流板的设计需求,利用数值模拟的方法,研究了尾流板在15%、30%、50%开孔率下对实验叶栅的影响。数值分析结果表明:叶栅尾缘激波在自由边界上反射后,返回到叶栅通道中,破坏了叶栅通道的周期性;开槽尾流板减少了反射波对叶栅通道的影响,减弱叶栅尾缘激波的反射波强度,在某特定情况下能使反射波变成膨胀波,从而提高了叶栅通道周期性;尾流板开孔率为15%时能极大地改善平面叶栅通道的周期性,相对于开孔率为50%时叶栅的周期性误差降低约16.43%。      

抗扰动复合非线性伺服控制器的设计与应用

针对典型的电机伺服系统,提出了一种鲁棒复合非线性伺服控制器的离散域设计方案。把系统的扰动和不确定性归结为一个斜坡信号(其变化率恒定),设计一个降维线性扩展状态观测器,对系统未测量状态和未知扰动加以估计。把设计的控制律应用于永磁同步伺服电机,先在MATLAB上进行仿真分析,随后基于TMS320F28335DSC进行试验测试。结果表明系统在各种类型扰动作用下,对目标位置都能实现快速、平稳和准确的跟踪,具有较好的鲁棒性。     

基于模型补偿的风力机变桨距线性自抗扰控制器设计

设计了一种变桨距线性自抗扰控制器,估计和补偿了系统未建模部分和外界干扰,实现额定风速以上时系统输出功率稳定于额定值;并采用模型补偿方法对自抗扰控制器进行优化,减少了参数整定的数目,提高了系统控制精度。对额定功率为300 kW的风电机组分别在阶跃风、阵风以及湍流风作用下进行系统仿真。结果表明,该方法可以快速调节风速变化引起的输出波动,使得系统输出稳定且超调量小,具有很好的稳定性和鲁棒性。     

一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。     

基于LPV状态空间模型的小型航空煤油二冲程发动机喷油控制策略

为了简化基于平均值模型的喷油控制模型的计算,根据线性变参数(LPV)状态空间模型原理,在平均值模型的基础上建立了LPV状态空间喷油控制模型,利用Matlab/Simulink工具对稳态工况和瞬态工况的喷油脉宽控制模型进行仿真,最后在发动机试验台架上进行试验验证.仿真和试验结果表明:①基于LPV状态空间模型的喷油控制模型能够满足瞬态工况和稳态工况控制的要求,计算的喷油脉宽精度略低于平均值模型,由于LPV状态空间模型计算简单,能够直接应用于控制算法的设计,因此在工程中容易实现.②与插值算法相比,基于LPV状态空间模型的控制策略使发动机的动力输出有所下降,主要是由于模型简化造成进气空气流量减小引起的.