基于非定常气动力建模的动导数仿真实验

应用系统辨识理论,利用纵向大振幅非定常气动力实验数据,在频率域内建立了基于Ｆｏｕｒｉｅｒ 变换法的非定常气动力数学模型,并发展了一种获取常规动导数的仿真实验方法,分析了迟滞环的物理意义。对６０°三角翼和Ｆ－１８ 飞机模型进行动导数仿真计算,研究了不同振幅、频率及迎角变化对动导数的影响。结果表明,Ｆｏｕｒｉｅｒ 变换模型可以用于动导数仿真计算,使大振幅非定常实验与小振幅常规动导数实验合二为一。迟滞环的方向反映了飞机运动的阻尼特性。     

基于Kriging形函数的线性时变结构模态参数辨识

近年来,对航空航天飞行器随时间变化的动力学特性研究需求越来越迫切。仅输出参数化时域的时变时间序列模型以其结构简约、精度高且跟踪能力强而成为研究热点,尤其是泛函向量时变自回归(FS-VTAR)模型已经得到了广泛应用。然而传统的FS-VTAR模型在保证其辨识优势的同时却需要针对不同时变结构选择合适的基函数形式及较高的基函数阶数,该过程相当复杂且耗时。本文借鉴无网格法中移动最小二乘(MLS)法构造形函数的思想,提出一种基于Kriging形函数的线性时变结构模态参数辨识方法。该方法首先引入自适应于辨识信号的Kriging形函数;再把时变系数在形函数上线性展开,利用最小二乘(LS)法得到形函数的展开系数;最后把时变模型特征方程转换为广义特征值问题提取出模态参数。利用时变刚度系统非平稳振动信号验证该方法,结果表明:基于Kriging形函数的FS-VTAR模型相比于传统的FS-VTAR模型能有效地避免基函数形式的选择和较高的基函数阶数,且精度相当;相比于移动最小二乘法能有效地解决其数值条件问题且具有更高的模态参数辨识精度。     

抽油机故障诊断的分布驱动主动学习算法

抽油机示功图直观显示了抽油机工作情况,但实际工况情况呈现典型的长尾分布特性,类别严重不平衡。传统方法无法准确识别小类别工况,也无法获得井下工作状态准确识别。针对这一问题,提出一种基于分布驱动的多类别长尾数据代价敏感主动学习算法（Cost-sensitive active learning algorithm based on distribution -driven multi-class long-tailed data, CALA）。首先,考虑数据分布特性,以最小化代价为优化目标确定数据的最佳聚类簇数;其次,通过加入预分类误差代价来更新之前得到的最佳聚类簇数;然后,构建集成分类模型作为分类器;最后,通过迭代来平衡数据分布。采用某油田真实的示功图数据进行测试,显著性实验分析证明CALA在小类别工况诊断上具有更好的性能。     

湘钢烧结厂SJ9500和SJ12000风机在线振动监测系统

介绍一种新的在线监测与故障诊断系统,并阐述其硬件和软件的实现方法。该系统集成了传感技术、信号分析技术、网络通信技术、控制技术和专家系统,实现了风机实时振动信号的自动采集,并通过计算机进行振动信号的处理和故障分析,能够及时反馈风机的在线状态,从而进行及时维修。该系统的实现提高了机械故障的监测速度和可靠性,在工业机械监测领域具有一定的实用性。     

辐射源细微特征用于个体识别的可行性分析

首先分析了辐射源细微特征应该具有的基本特性,并给出了辐射源的(潜在)细微特征参量、测量准确度的影响因素及应用限制条件.然后,给出了辐射源细微特征差异、参数测量精度与正确分辨概率之间的定量关系,为判断细微特征差异能否用于个体识别提供了理论依据.最后,作了举例说明.     

高阶矩谱分析与空间等离子体非线性相互作用识别

利用高阶矩统计分析方法对ＡＵＲＥＯＬ－３卫星观测数据进行分析处理，所涉及的信号分别为ＥＬＦ频率范围内的电场扰动Ｅｈ（ｔ）和等离子体密度波动δＮｅ／ｎｅ（ｔ），处理结果表明：利用高阶矩谱分析方法可以很好地识别空间等离了波－粒相互作用过程中的非线性成分     

推进剂/包覆层界面脱粘率相关特性研究

固体火箭发动机(SRM)装药包覆界面性能对发动机安全工作意义重大。为研究改性双基(CMDB)推进剂/三元乙丙(EPDM)包覆层界面在不同受载速率下的脱粘情况,采用双悬臂梁(DCB)试件对包覆粘接界面进行了界面脱粘性能试验研究,获取了脱粘界面扩展过程中的加载点载荷-位移曲线。同时,构建了界面率相关内聚力模型(CZM),并采用Hooke_Jeeves优化算法反演识别出相关模型参数。通过对比多阶段加载实验及仿真结果曲线验证了模型的可靠性,结果表明,二者变化趋势基本一致,最大误差小于15%,所得结论对固体火箭发动机装药界面脱粘研究具有一定参考价值。     

发动机转子系统早期故障智能诊断

在对飞机发动机转子系统早期故障特点进行分析的基础上,针对其故障诊断中存在的故障样本不足和早期微弱故障不易识别的问题,提出将随机共振、小波包分析与支持向量机相结合的发动机转子系统早期故障诊断与智能自愈监控方法。该方法首先利用随机共振原理对早期微弱故障信号进行特征细化,使故障特征放大;然后利用小波包多分辨率分析特性进行故障特征提取;再将提取的特征向量输入由支持向量机构造的分类器中进行故障识别,并利用智能自愈方法对故障进行监控。对智能诊断系统结构、故障特征提取方法、多故障分类器构造、故障自愈监控等进行了分析和研究。结果表明,该方法在故障样本不足情况下,能有效识别发动机转子系统的早期故障,且算法简单、故障分类识别效果好,并能对故障进行自愈监控。     

电液负载模拟器的神经网络参数辨识

基于神经网络,提出一种根据参数上下界辨识系统参数的新方法。在建立电液负载模拟器模型的基础上,在待辨识参数的上下界内,使用神经网络对动态系统的参数进行辨识,找到一组参数使之满足对实际系统的最佳逼近,使系统在实际输入信号下能更好地复现实际系统的实际输出。并使用另一组实验数据检验辨识结果对实际系统的任意实际输入输出采样数据组的逼近程度。验证结果表明该辨识结果能很精确地逼近实际系统。该方法可用于一般复杂系统的实际参数辨识。     

基于参数辨识原理的飞机参数分析及算法研究

提出一种在飞机概念设计中基于参数辨识理论的设计参数分析方法。在给定的设计重量和任务剖面要求下,利用基于物理的运动方程和动力学方程模型辨识出飞机气动力参数,并在总体性能评估的基础上进行设计参数分析,给气动设计提供了设计参考;在辨识过程中针对参数可行域离散度很高使得很难收敛到Pareto解的问题,提出了将神经网络预测模型融合到遗传操作过程,使得尽量在可行域内搜索。最后通过对某客机进行算例分析,表明基于辨识理论的参数分析方法和改进的算法是合理和可行的。与一般经验公式方法相比,该方法对布局类型的限制较小,在满足概念设计参数分析准确度要求的条件下能够为下一步的气动设计提供设计指标。