Dynamic parametric modeling-based model updating strategy of aeroengine casings

For accurate Finite Element (FE) modeling for the structural dynamics of aeroengine casings, Parametric Modeling-based Model Updating Strategy (PM-MUS) is proposed based on efficient FE parametric modeling and model updating techniques regarding uncorrelated/correlated mode shapes. Casings structure is parametrically modeled by simplifying initial structural FE model and equivalently simulating mechanical characteristics. Uncorrelated modes between FE model and experiment are reasonably handled by adopting an objective function to recognize correct correlated modes pairs. The parametrized FE model is updated to effectively describe structural dynamic characteristics in respect of testing data. The model updating technology is firstly validated by the detailed FE model updating of one fixed–fixed beam structure in light of correlated/uncorrelated mode shapes and measured mode data. The PM-MUS is applied to the FE parametrized model updating of an aeroengine stator system (casings) which is constructed by the proposed parametric modeling approach. As revealed in this study, (A) the updated models by the proposed updating strategy and dynamic test data is accurate, and (B) the uncorrelated modes like close modes can be effectively handled and precisely identify the FE model mode associated the corresponding experimental mode, and (C) parametric modeling can enhance the dynamic modeling updating of complex structure in the accuracy of mode matching. The efforts of this study provide an efficient dynamic model updating strategy (PM-MUS) for aeroengine casings by parametric modeling and experimental test data regarding uncorrelated modes.     

地基伪卫星系统多址测距误差的校正算法

相对于卫星导航,地基伪卫星与接收机距离较近,测距中不涉及电离层传播等误差,易实现高精度测距和定位。但由于地基伪卫星位置固定,在信号连续发射模式下伪卫星信号间的多址干扰(MAI)会引起相对恒定的测距误差,针对地基伪卫星系统这一特点,提出一种基于反馈串行干扰抵消(SIC)的测距算法。首先对全部伪卫星信号进行捕获跟踪和功率估计,然后通过串行干扰抵消算法降低强功率伪卫星信号对期望测距信号的干扰,通过反馈模式进一步提高干扰抵消算法的性能。仿真结果表明,该方法可有效改善地基伪卫星系统强远近效应区域内的测距性能,不考虑其他误差下在强远近效应区域内基于码环可将伪卫星测距性能从10 m以上降低到约0.3 m。     

基于贝叶斯模型平均的航空发动机可靠性分析

针对不同失效模式的特点,利用航空发动机状态监测信息,分别采用Gamma过程、Wiener过程和Weibull分布建立可靠性分析模型.采用贝叶斯模型平均（BMA）方法,分析不同失效模式对可靠性影响,对航空发动机可靠性进行集成分析.通过算例跟踪某在翼航空发动机可靠性水平,基于贝叶斯模型平均的航空发动机可靠性模型的计算误差率低于单一可靠性分析模型,计算结果误差率低于1%.说明多模型集成可靠性技术在复杂系统运行可靠性分析中的有效性和准确性.      

基于伪相关函数的BOC无模糊跟踪性能分析

BOC(Binary-Offset-Carrier)调制广泛应用于全球导航卫星系统中,但由于BOC自相关函数的多峰导致传统码跟踪环路存在模糊性。伪相关函数(Pseudo Correlation Function, PCF)方法在本地采用两个特殊的参考信号和非线性处理以获得无模糊的相关函数。根据一种PCF方法本地参考波形设计的充分条件,推导了其无模糊函数的数学形式,并着重分析了其跟踪和抗多径性能与本地参考波形的关系。仿真结果表明：该PCF方法解决了跟踪模糊问题,且随着参考信号的宽度因子增加,其跟踪精度逐步改善;该PCF方法对于中长延迟多径干扰抑制能力较好,宽度因子为0.5或1时,其多径误差最小。     

一种新的辐射源优化识别方法

针对证据理论无法获得传感器报告、无法处理具有冲突的传感器报告、计算复杂度高、干扰环境下融合结果不可靠等缺点,提出了一种新的辐射源优化识别方法。该方法首先利用灰色关联算法来获得传感器的报告,并且提出利用信息熵解决灰色关联分析中特征权重的选择问题。然后根据传感器证据报告的特点,引入传感器可信度因子,通过构造和分解代价函数将辐射源识别问题转化为求解一个凸二次优化问题。最后,给出了一种利用对数罚函数方法求解该问题的改进方法和步骤。理论分析和仿真结果表明,与证据理论相比,新方法具有更低的计算复杂度、更好的识别能力、更广的适用性和更强的鲁棒性。
     

基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.      

基于主成分分析和灰色关联度的空域利用率

空域利用率是反映空域资源使用情况的重要指标。提出了基于主成分分析法和灰色关联度的空域利用率评价方法,确定理想空域并将其作为参照对象,通过考虑评价指标之间的相关性,运用主成分分析法得到各评价对象的空域利用综合得分,计算各年空域利用综合得分与理想空域利用综合得分的关联度,得到各年空域利用率。算例分析验证了方法的可行性。     

声表面波色散延时线激励的高精度时间间隔测量方法

高精度时间间隔测量技术对国民经济与国防建设意义重大,论述了一种新的高精度时间间隔测量方法,可以达到1ps量级甚至更高的测量精度。该方法利用声表面波色散延迟线作为时间内插器,时间内插器起到时间拉伸的作用,从而可以获得多个观测值,由于平均的效果,总的测量误差将被大大降低。理论分析与仿真实验均表明该方法可以达到很高的时间测量精度,是切实可行的。     

用于复杂装备费用驱动因子筛选的灰色凸关联模型

针对复杂装备费用预测中样本少和费用影响因素繁多的问题,分析以往灰色关联度的缺陷,运用改进的灰色凸关联度建立费用影响因素与费用之间的灰色关联模型。依据灰色凸关联度的大小和接近程度筛选费用驱动因子,利用所选择的驱动因子建立多元回归模型。与已有文献中的方法进行对比,结果表明本文方法具有较高的预测精度,说明改进的灰色凸关联度模型能够诊断复杂装备费用的关键影响因素。     

基于灰色理论的复杂系统多故障模糊诊断

航天、核电等复杂系统源发故障概率通常难于获取,由此导致基于最大后验概率准则的诊断方法失效。针对上述问题,从测试可靠性先验概率入手,提出了一种基于相关矩阵和灰色系统理论的故障诊断方法,通过对系统建立故障-测试相关矩阵,生成有排序的测试报警概率矩阵,并利用灰色关联度衡量测试结果向量与故障特征向量的接近度,实现了对多发故障的模糊诊断。实验结果表明,该方法在诊断指标权重调整、诊断精细度、重点关注故障检出等方面优势明显,诊断结论正确率满足实用需求。