复杂时变激励下失谐叶盘瞬态强迫响应分析

提出一种高效的失谐叶盘瞬态强迫响应分析方法,不同于传统的数值积分方法,该方法推导出瞬态强迫响应的解析表达式,能更为高效地预测失谐叶盘的瞬态强迫响应。首先,对叶盘的高保真有限元模型进行减缩建模,在精确地描述叶盘结构的动力学特性的前提下,极大的减少了模型的自由度数目。其次,模拟加速旋转的涡轮叶盘经过复杂流场时叶片表面上的气动载荷,并建立叶盘固有频率和振型随转速变化的数学函数;通过共振分析确定叶盘共振的转速区间并分析引起共振的激励阶次成分。最后,计算了不同旋转加速度和阻尼下叶盘的瞬态强迫响应,并对叶盘的失谐幅值放大因子进行研究。应用本办法对某86个叶片的涡轮叶盘进行了数值分析,结果表明,相同阻尼水平下,叶盘的瞬态强迫响应幅值随旋转加速度增加而降低,失谐幅值放大因子在瞬态条件下大于稳态条件下,最高可达30%。     

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。     

一种多分量chirp信号阵列检测新方法

提出了一种多分量chirp信号检测与参数估计的新方法。该方法利用天线阵列的空间特性,通过阵列平均在分数阶傅里叶域中引入加权函数来降低噪声、抑制不同源信号之间的相互干扰。和单阵元方法相比,文中方法大大提高了多分量chirp信号检测和参数估计的性能,仿真结果证明了方法的有效性。     

基于BP网络的机载导弹备件需求量预测

针对机载导弹部署后期与备件有关的各项保障数据比较充足的情况,在进行备件需求量影响因素分析和量化的基础上,应用BP神经网络模型对其进行了预测。仿真结果表明,充分利用了各有用数据,能有效提高预测的可靠性和准确性。     

神经网络在高空长航时无人机翼型多点优化中的应用

NSGAII算法在翼型多点设计中有着广泛的应用价值,然而其巨大的计算资源和计算成本限制了它的使用。为了解决这个问题,本文引入具有较强非线性映射能力的神经网络代理模型,采用实验设计结合BP法训练神经网络响应面来代替N-S方程求解翼型的性能。在实验点的数值模拟中,为了进一步节省计算资源,提高计算效率,采用网格的变形代替网格的重新划分,使得计算网格的更新速度提高了约50%。在翼型的参数化过程中,采用改进的PARSEC方法,用较少的参数实现了翼型的精确控制。为了增强神经网络的泛化能力,采用12-7-4-3-1的隐层结构。对NLF1015翼型的多点优化算例表明,此方法不仅显著降低了整个优化过程的计算量,而且对翼型的气动性能预测也具有较高的可信度,在高空长航时无人机的翼型设计中具有一定的潜力。     

CFD中数值耗散和延伸边界对声传播的影响

对已知色散关系的正弦波在二维管道中的传播使用有限体积法进行计算,结果表明二阶精度下每波长40个左右的网格点能够有效地保留声波.在计算域外增加稀疏网格延伸段能够对边界反射起到抑制作用,为以较小的计算量增加实现较好的反射抑制效果,研究给出了延伸段长度和网格轴向尺寸的推荐公式.      

毫米级平面叶栅的PSP测量

建立了一种新型的非接触式压敏涂料（Pressure Sensitive Paint,PSP）测压系统,设计了一套可拆卸式毫米级平面叶栅实验段,首次应用PSP测压技术测量了有／无叶尖间隙毫米级叶栅叶背表面静压分布。结果表明：由于存在叶尖间隙,叶盆处高压气体通过间隙泄漏流入叶背,使叶背叶尖处压力明显大于叶根处;与无叶尖间隙相比,有间隙时泄漏对叶背表面压力的影响约占叶高1／3,叶背底端受泄漏的影响较小。     

随机失谐叶盘结构失谐特性分析

为研究失谐叶盘结构最大的强迫响应幅值及最坏失谐模式,提出了运用遗传算法和序列二次规划混合优化方法确定失谐叶片最大的幅值放大系数及相应最坏失谐模式的通用方法.揭示了失谐跳变-局部化现象,构建了与振动响应局部化直接关联的表达因素.失谐敏感度分析表明,失谐叶片最大的幅值放大系数随失谐强度的增加而增大,并在失谐强度上界处取得极值,并没有所谓的失谐"阈值"现象.      

基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。
     

基于BP神经网络的磁悬浮飞轮控制

针对磁悬浮飞轮控制对鲁棒性、低功耗及不平衡振动抑制等要求,提出BP神经网络直接控制方法。设计了两层结构BP神经网络控制器,基于磁轴承电磁力方程推导网络权值更新算法,实现了神经网络的在线训练。仿真表明,控制器权值更新算法对环境变化适应能力强,训练成功率高;BP神经网络控制器具有起浮迅速、抗干扰能力强、功耗低等性能,并具备不平衡振动抑制能力。结果表明BP神经网络控制器满足磁悬浮飞轮控制要求,具有可行性和有效性。