航空发动机多变量自校正控制研究

针对航空发动机这一具有耦合和强非线性被控对象,采用基于带遗忘因子的最小二乘参数估计算法的最小方差多变量自校正控制,通过分析保证了闭环系统的可辨识性。仿真结果表明,控制器响应速度快,跟踪精度高,抗干扰和耦合能力强,估计参数能以较快的速度收敛。      

航空发动机油液监测中磨粒参数识别和优化研究

针对航空发动机油液监测中存在的磨粒特征参数过多的问题,采用主成分分析法进行了参数优化,经实践证明,用该方法可较全面地综合评价参数的分类状况,从而降低了磨粒识别的难度。     

平面埋入式进气道的口面参数选择与试验验证

为了提高飞行器的隐身性能和降低其迎风阻力,采用具有平面腹部的低雷达截面外形机身与埋入式进气道的组合是一种良好的解决方案。但迄今尚未有成熟的平面埋入式进气道设计方法可供借鉴,为此对平面埋入式进气道口面参数进行了组合对比研究,旨在通过口面参数的选择来改善进气道的气动性能。在此基础上,选择一组口面参数设计了一梯形进口的平面埋入式进气道方案,并进行了高速风洞试验验证。研究结果表明:(1)进口侧棱决定了所产生的卷吸涡的强度,而前唇口导流角决定了进口段的横向压力梯度,两者均是驱动主流进入进气道内部的关键因素,为此对进气道总压恢复系数和周向畸变指数均有着重要影响;后唇口型线特征参数对进气道出口总压高低压区的分布起着调节作用,为此可以作为控制周向畸变指数的一种辅助措施。(2)合适的口面参数能明显改善平面埋入式进气道的性能。选取23°导流角、4°侧棱角以及30°后唇口型线特征参数组合进行了方案设计和风洞试验验证,在Ma₀=0.7,α＝-2°~8°,β＝0°~2°的范围内,进气道的总压恢复系数在0.920~0.952之间,周向畸变指数在1.142%~2.237%之间,达到了实用水平。(3)研究范围内,攻角的增加有利于改善平面埋入式进气道的总压恢复系数和周向畸变指数,而小角度侧滑时对出口流场畸变的影响不大,不仅未下降,反而稍有增加。     

飞机航向神经网络PID参数自整定控制器研究

飞机航向操纵的模型参数具有非线性、慢时变特性。飞机航向操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用BP神经网络实现PID参数自整定的控制方法。此法能根据飞机动态特性的变化，自动重新整定PID参数，从而改善了飞机航向的操纵性能和鲁棒性。     

涡轮叶栅前缘气膜冷却对气动参数影响的数值研究

采用具有TVD性质的三阶精度有限差分格式、自由型曲面技术以及多区域网格算法,对前缘带有三排冷气孔的涡轮导叶进行了气膜冷却数值计算,分析了前缘冷气喷射对涡轮气动参数的影响,描述了叶型表面冷气射流的运动规律。结果表明,冷气喷射导致了流量、马赫数和温度较为明显的变化,前缘和吸力面获得的绝热效率高于压力面,压力面冷气射流的运动规律比较复杂。型面压力只在冷气孔区域有明显的波动。     

基于B参数的轴流压气机过失速稳定性分析

基于2阶Greitzer模型,按照B参数的变化,通过对系统方程进行局部线性化,把从失速到喘振的过失速过程划分为4个阶段进行非线性分析,不仅观察到了临界点附近的系统变化规律,而且可以准确判定临界点的位置。在B参数大于临界点时的情况下,引入了Lyapunov稳定性理论和局部不变集定理对系统进行全局稳定性分析,结合仿真结果,表明系统轨迹趋近于稳定的喘振极限环。      

高性能PBO纤维复合材料成型工艺参数研究

研究了PBO纤维与环氧树脂复合成型工艺参数如树脂配方、浸渍张力、缠绕张力对PBO纤维缠绕成型复合材料力学性能的影响,同时优化了这些工艺参数。研究结果表明,PBO纤维复合材料的拉伸性能很好,但其纤维表面呈惰性,对树脂系统的拉伸性能、韧性和弯曲性能均要求较高,缠绕张力大约占其股纱强力的3 5%左右时,PBO纤维的NOL环层间剪切强度达到最高（29MPa）,才能发挥PBO纤维的高强特性。     

起落架载荷的自校正控制

通过建立自校正控制起落架的非线性模型和系统的ARMAX模型,对控制器进行了设计,并结合参数辨识,实现了起落架的自校正控制。计算机仿真结果表明,此方案有效地改善了飞机起落架的缓冲性能。     

GARTEUR有限元模型修正与确认研究

待修正参数的选择以及修正后模型的质量评估是有限元模型修正的两个重要问题。以欧洲学术界广泛采用的GARTEUR飞机模型为例,利用基于灵敏度分析的模型修正方法,通过仿真算例研究参数选择对模型修正质量的影响,并以试验数据为目标值对有限元模型进行修正与确认。为全面评估模型的修正质量,引入三级标准对修正后有限元模型进行确认。     

计及随机噪声的频域多输入多输出模态参数识别

提出了一种计及随机噪声的多输入多输出频域模态参数识别方法。该方法基于连续时间域的频率响应函数有理分式模型,利用Forsythe正交多项式改善求解性态,属频域的极大似然类估计方法。在最小二乘估计的基础上,利用"先验"的随机噪声信息进行优化迭代的极大似然估计,得到更优的模态参数识别结果。根据Cramer Rao下界不等式,在几乎不增加计算量的情况下获得所识别结果的不确定性信息,提高了模态参数识别的可靠性。采用GARTEUR飞机模型作为仿真算例,对本算法进行了仿真验证。