直升机旋翼试验塔电力拖动系统特性分析与仿真计算

直升机旋翼试验塔主拖动系统功率大、负载特性特殊,选择以中压变频交流调速系统作为主拖动是一种较为理想的方案。本文针对旋翼负载特性,建立了基于矢量控制的变频调速系统仿真模型,分析计算了不同机型旋翼负载的起动特性及调速性能,论证了三电平中压变频调速方式用于直升机旋翼试验系统的可行性,为旋翼试验塔的研制设计提供了理论依据。     

基于支持向量机的结构损伤程度识别研究

支持向量机(SupportVector Machine,SVM)是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题,具有很优秀的回归特性。本文提出了一种基于支持向量机辨识结构损伤程度的方法,构造模态频率作为损伤标识量训练支持向量机对损伤程度进行预测,并以悬臂梁为例进行了仿真计算。结果表明:支持向量机是一种很有潜力的结构损伤识别方法,具有很好的应用前景。     

矢量喷管静推力特性风洞实验研究

给出了轴对称收扩喷管和实施矢量偏转后的收扩喷管模型在FL 8风洞中的动力模拟静特性实验结果。对于轴对称喷管模型主要进行了喷管的推力特性测量,对于实施矢量偏转后的喷管模型除了给出了喷管推力特性外,还给出了喷管的偏转效率。实验结果表明:在FL 8风洞中进行单喷管的推力静特性测量实验结果可靠,与理论规律相一致。     

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

四相永磁容错电机的SVPWM控制

为了提高四相永磁容错电机(FTPMM)在系统正常工作时的控制性能,在分析其结构和原理的基础上,建立了其在旋转坐标系下的数学模型,为实现电流、磁链、转矩的解耦控制创造了条件,设计了基于H桥的容错驱动,提出了一种新颖的四相永磁容错电机的电压空间矢量脉宽调制（SVPWM）策略,并巧妙设计了零矢量的插入顺序和重合矢量的选择顺序,方便了数字信号处理器(DSP)的实现。仿真和试验结果证明了在系统正常工作时该方法的正确性和优越性。     

基于核方法的航空发动机推力估计器设计

鉴于实现航空发动机的直接推力控制需要高精度及高可靠性的推力估计器,基于核方法,提出了结合全局核k-means聚类与鲁棒最小二乘支持向量回归机的推力估计器设计方案,通过核诱导的隐性映射将原始输入数据映射到特征空间,使数据样本特征信息被提取并放大,具有更好的可分性.在每个聚类内设计推力子估计器,用鲁棒代价函数代替最小二乘代价函数,增强了推力估计器的整体鲁棒性.通过对涡扇发动机的仿真试验表明,本推力估计器设计方法能够满足直接推力控制需要,与其它方法相比,在估计精度及鲁棒性上存在一定优势.     

基于机匣应变信号的航空发动机转静碰摩部位识别

 为有效识别航空发动机转静碰摩部位,提出基于机匣应变信号的航空发动机转静碰摩部位识别技术。以应变片为敏感元件,采用沿机匣轴向、周向粘贴应变片两种实验方案,利用航空发动机转子试验器模拟大量不同碰摩部位的样本,采集航空发动机转子试验器机匣上的应变信号,提取应变的均值特征,利用支持向量机,识别不同碰摩位置。结果表明:沿机匣周向的应变均值特征可有效识别转静碰摩部位,且鲁棒性较好,且仅需在机匣的4个位置粘贴应变片即可对4个不同碰摩部位达到100%的识别率。沿机匣轴向的应变均值特征也可识别不同的碰摩部位,但识别效果不如沿机匣周向效果理想。     

扰流片推力矢量控制系统动态特性研究

针对固体火箭发动机的推力矢量控制系统的需求,分析了扰流片系统的工作原理,设计了圆弧型扰流片;根据扰流片的安装位置关系,推导了扰流片摆角与伸入喷管出口流场高度的关系式;对加载单个圆弧型扰流片的喷管三维流场进行数值模拟,得到扰流片产生气动力的大小随扰流片伸入流场高度的变化规律;并通过固体火箭发动机的点火试验,验证所设计的扰流片系统在阶跃响应和正弦加载下的动态特性.结果表明:扰流片推力矢量控制系统在最大偏转角度38°时,阶跃响应时间为55ms,最大偏差0.6°,超调量2.02％;偏转角8°时,正弦加载测得系统带宽10Hz.     

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

相关向量机及其在故障诊断与预测中的应用

相关向量机(RVM)是一种基于稀疏Bayesian学习理论的新型机器学习方法,具有概率式输出、稀疏性强、参数设置简单、核函数选择灵活等优点,克服了人工神经网络(ANN)和支持向量机(SVM)等典型机器学习方法的诸多固有缺陷。文章从模型选择与优化、模型计算效率和模型鲁棒性改进3个方面综述了RVM的理论研究进展;总结了RVM在故障诊断与预测中的应用研究现状;分析指出了当前研究中存在的问题,并讨论了基于RVM的故障诊断与预测技术的研究方向。