航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

分布式网络技术在燃气轮机性能测试系统中的应用

分析了分布式网络系统及燃气轮机性能测试系统的结构特点,描述了基于系统级、子系统级和工作站级的分布式测试系统的3级结构模型.     

利用神经网络规则提取方法获取转静碰摩故障诊断知识

 获取易于理解的航空发动机转静碰摩故障诊断知识规则对于深刻认识碰摩故障机理、有效诊断碰摩故障具有重要意义。鉴于此,研究了一种新的基于功能性观点的神经网络（NN）规则提取方法,介绍了连续属性离散、训练样本产生、神经网络训练、示例样本产生及规则提取等关键算法,并用Iris数据对方法进行了验证。最后,通过航空发动机转子实验器获取碰摩故障样本,利用神经网络规则提取方法从故障样本中提取了碰摩故障诊断知识规则,并对其进行了验证分析,验证结果充分表明了该方法的正确有效性。     

三支承磁悬浮轴承转子系统性能的实验分析

在一般磁悬浮轴承转子系统的基础上增加辅助磁悬浮支承组件,构成磁轴承与辅助磁悬浮支承组合三点支承转子系统。通过试验模态分析和系统高速旋转实验研究了不同控制参数下,组合支承柔性转子系统的动态性能,并与二支承系统进行了比较。实验结果表明,辅助磁悬浮支承对系统性能有较大影响,提高了系统在各阶模态振动时的阻尼,使系统顺利越过二阶弯曲临界转速在16000rpm以上稳定运行。     

基于粗糙集和神经网络的导弹故障诊断方法

人工神经元网络（ANN）具有本质的非线性特性、并行处理能力以及自组织自学习的能力,但单独使用ANN处理问题时,往往会存在一些缺陷。文章介绍导弹驾驶仪故障智能诊断的一种新方法：首先,利用粗糙集原理约简故障特征属性数据;其次,用带动量项的批处理BP神经网络方法对故障数据进行训练并检验;最后,将故障数据处理后输入神经网络分类器,对故障实施诊断。     

非稳态流体网络方法在发动机空气冷却系统中的应用

将流体网络法与非稳态模拟方法相结合应用到发动机空气冷却系统沿程温度、压力、流量的非稳态特性预测中.本方法将空气系统简化为节点和元件组成的网络,节点和元件处建立守恒方程,针对传统解法的计算稳定性问题引入了压力修正和积分方法相结合的求解方法.程序应用到可参考对照的模型中得到验证.验证后的程序被应用到发动机轴部冷却通道空气系统非稳态特性预测中.      

基于神经网络的民航安检系统风险评价研究

随着民航事业的快速发展,民航安全问题引起了广泛的关注.民航安全检查是民航管理安全重要的组成部分,如何建立一个合理的风险评价模型,指导民航安全检查的管理工作,已成为民航管理者的迫切需求.将BP神经网络模型引入民航安全管理,在分析民航安检系统的基础上,建立了安检系统的风险评价模型.通过实际应用验证了该模型的可行性.     

The Origin of Mercury’s Internal Magnetic Field

Mariner 10 measurements proved the existence of a large-scale internal magnetic field on Mercury. The observed field amplitude, however, is too weak to be compatible with typical convective planetary dynamos. The Lorentz force based on an extrapolation of Mariner 10 data to the dynamo region is 10⁻⁴ times smaller than the Coriolis force. This is at odds with the idea that planetary dynamos are thought to work in the so-called magnetostrophic regime, where Coriolis force and Lorentz force should be of comparable magnitude. Recent convective dynamo simulations reviewed here seem to resolve this caveat. We show that the available convective power indeed suffices to drive a magnetostrophic dynamo even when the heat flow though Mercury’s core–mantle boundary is subadiabatic, as suggested by thermal evolution models. Two possible causes are analyzed that could explain why the observations do not reflect a stronger internal field. First, toroidal magnetic fields can be strong but are confined to the conductive core, and second, the observations do not resolve potentially strong small-scale contributions. We review different dynamo simulations that promote either or both effects by (1) strongly driving convection, (2) assuming a particularly small inner core, or (3) assuming a very large inner core. These models still fall somewhat short of explaining the low amplitude of Mariner 10 observations, but the incorporation of an additional effect helps to reach this goal: The subadiabatic heat flow through Mercury’s core–mantle boundary may cause the outer part of the core to be stably stratified, which would largely exclude convective motions in this region. The magnetic field, which is small scale, strong, and very time dependent in the lower convective part of the core, must diffuse through the stagnant layer. Here, the electromagnetic skin effect filters out the more rapidly varying high-order contributions and mainly leaves behind the weaker and slower varying dipole and quadrupole components (Christensen in Nature 444:1056–1058, 2006). Messenger and BepiColombo data will allow us to discriminate between the various models in terms of the magnetic fields spatial structure, its degree of axisymmetry, and its secular variation.     

小波包变换和神经网络的某型导弹故障诊断方法研究

提出了一种基于小波包变换的残差能量方法,对导弹动态测试数据进行分析处理,提取导弹的故障特征,并在此基础上利用神经网络有效地实现了故障的诊断和定位。     

低成本捷联惯导不对称动态误差的神经网络补偿

 针对低成本捷联惯导系统(SINS)中陀螺动态误差的不对称性在角振动条件下造成姿态漂移的问题,设计了多层前向神经网络的补偿模型。在标定模型参数时,为降低对外部参考信号测量精度的要求,提出用姿态解算的最终误差作为网络优化目标的训练方法。由于最终的姿态误差不是网络的期望输出,无法采用有导师的训练方法,为此采用了微粒群优化算法。仿真实验结果表明:补偿后的陀螺动态误差的不对称度减小了一个数量级。