神经网络及模糊控制在飞机防滑刹车系统中的应用

提出了一种新的神经网络 -模糊逻辑刹车系统控制方案。利用神经网络解决刹车系统中存在的非线性识别问题,实现刹车过程的轨迹跟踪;利用模糊控制克服参数变化和环境因素造成的不利影响,同时避免不精确建模造成的误差,最后利用所设计的控制器对某型飞机进行了仿真研究。结果表明 :新的控制方案能极大的改善飞机的刹车性能。     

雷达和红外成像双传感器信息融合目标识别研究

提出了一种利用目标的雷达和红外成像２种独立的传感器信息的互补性来构造特征向量的信息融合方法——联合向量空间法,并用对应的自适应信息融合系统进行目标识别。仿真证实比用单传感器的效果明显优越,从而说明了本文方法的有效性。     

非自模化区域内动叶叶尖间隙对气动-声学性能的影响

本文对非自模化区域内小型风机的气动－声学性能进行了实验研究,详细了在非自模化区域内动叶叶尖间隙对气动－声学性能的影响,并与自模化区域内的影响作了对比分析,得到了在非自模化区域内动叶径向间隙对气动－声学性能的修正,计算结果与实测值吻合良好。初步提示了非自模化区域内动叶叶尖间隙对气动－声学性能影响的机理。     

某型飞机刹车失效分析及对策研究

刹车系统是飞机的重要组成部分,是保证飞机滑跑、起飞和着陆的重要装置,其工作可靠性直接影响飞行安全.本文对某型飞机因刹车失效,发生一起与地面停放飞机相擦的飞行事故征候,进行了刹车失效分析和机理研究.同时,按技术问题“五归零”要求,深入开展了多余物产生根源的排查工作,进行了改进研究和试验验证,并制定了对策.     

多轮多支柱式飞机起落架运动特性仿真研究

为了评估起降阶段的飞机操控特性,针对某型飞机多轮多支柱式起落架系统,研究组成单个起落架支柱的轮胎、缓冲器、刹车系统、前轮转弯等部件的受力、力矩特性及传递过程。基于线性理论,将多个支柱运动特性叠加,运用Matlab/Simulink软件工具,建立整个系统的仿真模型。嵌入某型飞机六自由度运动解算模型进行飞机落震、加速滑跑、高低速转弯、起飞离地、着陆接地、刹车减速等仿真验证,并在某型飞机动基座模拟器上进行飞行试验。结果表明:该起落架模型各项功能完善,能够正确反映飞机姿态响应过程,飞机起降过程感受与真实飞机基本一致。     

带制退器复杂流场并行算法研究

基于集群系统(CLUSTER),在Linux和MPI并行环境下,研究了带制退器的复杂膛口流场三维数值模拟并行算法。计算网格是三维多区结构化网格,数值格式采用Jameson格式及LU隐式分解方法。针对流场的复杂拓扑结构,建立分区信息文件记录各分区的相关信息,并提出了通过合并相邻网格分区的方法均衡各个进程的负载,提高程序的并行效率。在处理需要通讯的信息时,设计了自定义数据类型和"设置中间参数"相结合的方法,并通过动态分配内存减少了程序对计算机系统资源的占用。数值实验表明,本文设计的算法可以适应拓扑结构较复杂的流场,并能取得理想的并行效率,将有助于制退器性能的研究。     

TVD格式数值模拟斜腔内旋涡运动

 采用ＴＶＤ有限体积格式,通过求解非定常可压缩Ｎ－Ｓ方程,对恒定出入口压力比驱动下的斜腔内部流动进行了数值模拟。计算后得到清晰的流场涡系结构及其发展过程；显示了空腔流动中的自维持振荡现象；并分析了剪切层不稳定对周期性振荡的作用机制。     

基于ANN与FNN的飞机防滑刹车系统设计

飞机防滑刹车问题的关键是滑移率。为了使飞机刹车以最佳滑移率工作,防止陷入深度打滑和获得最大的刹车结合系数,提出一种智能飞机刹车系统,该系统由两部分组成:①利用神经网络(ANN)构造的,能实时获得最佳滑移率的最佳滑移率识别器;②利用模糊神经网络(FNN)构造的,能快速逼近目标滑移率的FNN控制器。计算机仿真结果表明系统的控制精度、稳定性和对复杂工况的适应性都得到了提高。     

三维针刺C/SiC复合材料与30CrSiMoVA对偶的摩擦磨损性能与机理

通过MM-1000Ⅱ摩擦试验机,研究了三维针刺C/SiC复合材料与30CrSiMoVA对偶的摩擦磨损性能,并结合SEM,XRD,EDS、热力学计算以及刹车过程温度场有限元模拟,分析了刹车过程中的摩擦磨损机理和物相转变.结果表明:随着初始刹车速率的增加,三维针刺C/SiC复合材料与30CrSiMoVA对偶刹车的平均摩擦系...     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。