三维充液航天器的位置和姿态联合控制

考虑充液月球着陆器悬停避障阶段的控制问题,采用三维球摆作为液体晃动部分的等效模型.针对球摆与刚体耦合的三维动力学模型,给出动力学模型的矢量方程及各矢量在本体系的投影坐标,设计位置和姿态联合控制器.所设计的控制器可以稳定航天器刚体的位置和姿态,且只依赖刚体的位置和姿态,不依赖晃动角或者动力学方程,利于工程应用.利用LaSalle不变原理分析闭环系统的稳定性,给出期望姿态为竖直时系统渐近稳定的控制器参数选择依据.最后数值仿真验证控制方法的有效性.     

状态方程对煤油液滴高压蒸发计算的影响

分别基于RK、SRK和PR等不同真实流体状态方程(EoS)建立了包含亚临界和超临界两种不同机制的瞬态液滴高压蒸发模型。针对我国新一代高压补燃液氧/煤油发动机,对煤油液滴在高压N 2 环境下的蒸发过程进行数值研究,重点分析了不同状态方程对N 2 -C 12 H 26 二元系统高压气液相平衡,及进一步对煤油液滴高压蒸发计算的影响。结果表明：对液滴蒸发速率影响最大的参数是液滴表面蒸气质量分数,而对该参数影响最大的则是所选取的状态方程。基于SRK和PR EoSs的高压气液相平衡及液滴高压蒸发计算结果均与试验数据符合较好,可正确描述液滴高压蒸发特性;而基于RK EoS的相平衡计算结果显著高估液滴表面蒸气质量分数和环境气体溶解度,并低估临界混合温度和偏摩尔相变热,进而在亚临界蒸发状态下高估蒸发速率,在超临界蒸发状态下低估蒸发速率。另外,基于RK EoS的计算中液滴发生跨临界转变所需的环境温度显著低于基于SRK和PR EoSs的。     

航天器传动部件振动数据稀疏多分类智能故障诊断

针对航天器传动链机械零部件发生故障时训练数据稀缺以及信号的强非平稳\非线性特点,提出了动态数据驱动的子空间稀疏多分类智能故障诊断算法。首先对采集的单一传感器动态信号进行分形小波变换,生成常规和非常规二进小波尺度。然后对生成的各子空间提出基于故障能量指标的稀疏多分类器,以监测部件的故障特征频率为搜索目标,在子空间的包络解调谱上计算特征频率及其倍频附近的能量峰值,导出特定故障模式的稀疏评价指标,以各种故障模式的最大值识别和判定故障类型。所提出的算法完全实现了无人工监督的智能故障诊断。最后以航天器轴承故障诊断为例验证了该算法的有效性。所研究算法的泛化能力较强,技术路线同样适用于其他航天器传动部件的在线监测与故障智能预警。     

转速比对双转子系统非线性动力学特性影响

以航空发动机双转子系统为研究对象,考虑挤压油膜阻尼器以及中介轴承的非线性力,通过有限元法和固定界面模态综合法建立了双转子系统的耦合动力学模型。利用仿真计算分析了转速比对转子系统非线性响应特性的影响。研究表明:响应中能观察到较明显的交叉激振现象;响应中除了内外转子的不平衡激励频率之外,还出现了两者的组合频率,但不同转速比情况下的组合频率不同;同向旋转情况下的临界转速均不小于反向旋转;转速比对转子系统的轴心轨迹和运动的周期性有较大影响。最后,通过试验验证了本文建模和仿真结果的正确性。     

MSCSG转子系统的扩展双频Bode图稳定性分析方法

为分析洛伦兹力磁轴承驱动磁悬浮控制敏感陀螺（MSCSG）转子偏转过程中的稳定性,针对现有双频Bode图稳定性判据方法仅适用于最小相位系统的不足,提出一种基于扩展双频Bode图的稳定性分析方法。根据洛伦兹力磁轴承工作原理建立了MSCSG转子偏转系统动力学模型;通过变量重构,将实系数双输入双输出系统等效变换为复系数单输入单输出系统;在分析Nyquist曲线与Bode图关联性的基础上,提出针对非最小相位系统的扩展双频Bode图稳定性判据,对不同转速下MSCSG转子系统稳定性进行预测,并通过转速根轨迹曲线预测转子系统的转速稳定区间。所提出的扩展双频Bode图稳定判据结果与时域仿真校验结果相一致,验证了本文所提出的稳定性分析方法的正确性和有效性。     

航天发射塔回转轴承新型清洗剂研制

航天发射塔回转轴承由于尺寸较大、结构复杂等原因,对其直接进行拆卸保养的难度过大。针对航空煤油等传统轴承清洗液存在清洗不彻底、易燃易爆、人身健康危害等缺点,本文通过对轴承润滑脂的化学成分分析研究,配置出了一种新型清洗液,用于对航天发射塔回转轴承进行清洗。经实验验证,该清洗液具有易于配置、便于存储、除油率高等特点。     

基于MED和LMD的自动倾斜器轴承广义Shannon熵谱分析

针对轴承信号微弱故障特征易被强背景噪声淹没的问题,提出采用最小熵反褶积,通过逆滤波器最优化设计,对目标信号进行降噪处理,其峭度值提高了约3.8倍,增强了信号的微弱故障特征;针对非平稳非线性信号频率成分复杂难以解调的问题,提出采用局部均值分解(LMD)和峭度-相关系数筛选准则,其可对非平稳非线性信号进行自适应分解和最优重构,提高了信号的信噪比;针对信号耦合调制及边频突出的问题,通过引入广义Shannon熵进行包络谱带内降噪处理,信号一阶故障特征调制频率与故障特征频率的幅度比降低了24%~43%。通过实验室信号及某型直升机自动倾斜器轴承故障诊断地面试验的分析结果验证了该方法的合理性和可行性。      

角接触球轴承生热预测方法与灵敏度分析

通过拉丁超立方实验设计法获取角接触球轴承NSK-7015C的结构参数样本数据,采用Newton-Raphson法求解轴承变形几何协调方程、滚动体平衡方程和内圈平衡方程所构成的非线性方程组。应用Kriging和Monte Carlo相结合的方法(AK-MCS)构建样本数据与轴承生热的函数关系,在此基础之上使用全局灵敏度计算方法计算轴承结构参数对轴承生热的影响。研究结果表明:在相同轴承结构参数下,采用AK-MCS法预测的轴承生热与轴承拟静力学分析模型求得的结果差值均小于0.003 W,说明AK-MCS算法的预测结果具有较高的准确性;轴承生热对轴承滚动体直径变化反应最灵敏,轴承内、外圈沟道直径影响次之,轴承内、外圈沟道曲率半径影响最小,该研究能够为轴承结构参数的设计优化和加工精度的选择提供理论依据。      

Thermoelastohydrodynamic analysis of misaligned bearings with texture on journal surface under high-speed and heavy-load conditions

Hydrodynamic journal bearings are used to support the planetary gears in the transmission system of a Geared Turbo Fan engine, and they operate under severe working conditions, such as misalignment, high speed, and heavy load. Surface texture is regarded as an effective approach to improve mechanical properties under severe working conditions. However, the effects of surface texture on misaligned journal bearings under severe conditions have not been well studied. Therefore, a thermoelastohydrodynamic(TEHD) lubricating model with a textured and misaligned journal is presented in this study. Solid deformation, heat transfer between oil and the bearing, and heat convection between air and the bearing are considered in the model. The effects of cavitation and viscosity-temperature are also taken into account. The impacts of surface texture parameters and the misalignment angle on lubricating properties are investigated in the model. Results indicate that the bearing lubricating performance is greatly improved by optimal surface texture considering journal misalignment. The maximum oil film pressure and load-carrying capacity of a journal bearing increase with journal misalignment. Meanwhile, the oil film temperature increases sharply while considering misalignment.     

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。