可重复使用热防护材料应用与研究进展

可重复使用热防护系统是为高速重复使用飞行器而发展的关键性技术,涵盖了地球大气环境及非地球大气环境下的弹道式再入、高马赫数巡航等应用场景。根据现有高马赫数飞行器热防护现状,对高马赫数飞行器的主要热防护系统类型、特点和使用场景进行了简要介绍。在此基础上,结合国外里程碑式可重复使用飞行器（X-15、SR-71、航天飞机、X-33、X-37B、Spaceliner等）,梳理了可重复使用热防护材料的应用与研究进展,论述了代表性可重复使用热防护材料的发展、性能、研制进度、特点及应用前景。对国外在可重复使用热防护材料研制中的设计及发展思路,以及所存在的主要问题进行了总结归纳,为可重复使用热防护材料未来的发展提供了思路。     

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

个性化自适应课件生成器的研究

分析基于Internet的远程教育学习站点存在两个明显的缺点,提出个性化自适应课件生成器的概念,并针对其关键技术问题进行研究与讨论。     

定子双绕组异步发电机漏电抗计算的研究

漏电抗的准确计算是电机设计中十分关键的问题。基于静止励磁调节器的双绕组异步发电机定子绕组漏抗计算比传统的三相电机更复杂。首先给出了定子双绕组异步电机通用数学模型及等效电路,采用解析法对不同绕组结构的定子双绕组异步电机漏电抗计算进行了系统地分析,导出了相应的计算公式。最后,利用所得计算公式设计了一种静止励磁调节器控制的定子双绕组异步发电机,并对其定子漏电抗参数、性能指标及运行特性进行了计算。     

基于工况/场景的飞机系统试验验证方法

描述了一种飞机系统在试验室系统综合或全机级环境下进行设计验证的方法和过程。首先定义系统需求所在工况/场景,然后根据功能基线,确定工况发生的阶段以及完成此工况需参与的系统范围和构型,从而形成具体的试验步骤,进而通过试验来判断系统的响应是否满足上一级需求。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。      

基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化

以某对置活塞二冲程柴油机为研究对象,基于一维仿真模型,利用遗传-支持向量机的方法,以油耗为优化目标,进行不同转速工况下进排气口高度组合的自动化寻优。结果表明:在1200r/min下,优化的进、排气口无量纲化高度组合为［0.075,0.105］,所得最小油耗为220.32g/(kW·h);对置活塞二冲程柴油机的气口最优高度应随着转速的提高逐渐增大;且在高转速(大于1600r/min)下,排气口最优高度增加趋势更加明显。      

Behavior and functional modeling methods of doubly salient electromagnetic generators for aircraft electrical power system applications

The Doubly Salient Electromagnetic Generator(DSEG) is a promising candidate in aircraft generator application due to the simplicity, robustness and reliability. However, the field windings and the armature windings are strongly coupled, which makes the inductance characteristics non-linear and too complex to model. The complex model with low precision also leads to difficulties in modeling and analysis of the entire aircraft Electrical Power System(EPS). A behavior level modeling method based on modified inductance Support Vector Machine(SVM) is proposed. The Finite Element Analysis(FEA) inductance data are modified based on the experiment results to improve the precision. A functional level modeling method based on input–output characteristics SVM is also proposed. The two modeling methods are applied to a 9 kW DSEG prototype. The steady state and transient process precision of the proposed methods are proved by comparing with the experiment results. Meanwhile, the modeling time consumption, the application time consumption and the calculation resource demand are compared. The DSEG behavior and functional modeling methods provide precious results with high efficiency, which accelerates theoretical analysis and expands the application foreground of the DSEG in the aircraft EPS.