POD和DMD方法分析不同间隙压气机旋转不稳定性特性

对一台单级低速轴流压气机旋转不稳定性(RI)进行分析。在前期的旋转不稳定性特性、流场成因和不同间隙影响的研究基础上,进一步基于全通道数值模拟,采用两种流场降阶方法分析不同叶顶间隙条件下旋转不稳定性各阶模态对应的流场成分、模态能量占比和稳定性等特性。计算结果表明,前几阶模态能量占比大,对流场起主要贡献,并且稳定性相对较强。随着间隙的减小,旋转不稳定性的能量占比和稳定性下降,各阶的叶片转动成为流场的主要成分。      

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

基于BP神经网络的冰形特征参数预测

机翼结冰影响了飞机飞行的气动特性,严重时将会引起事故,对冰形特征参数进行预测对翼型气动特性研究以及后续防除冰措施具有重要的意义.本文利用BP神经网络,建立翼型冰形特征参数预测模型,并采用k折交叉验证进行网络结构选择,以气象与飞行条件作为输入,结冰极限、冰角高度和角度等冰形特征参数作为输出.结果表明:预测的冰形特征参数(...     

一种新的极值搜索算法及其在航空发动机燃烧主动控制中的应用

 针对航空发动机存在的不稳定燃烧控制问题,推导出当发动机不稳定燃烧时,燃烧室内的振荡压力与平均燃空比值之间的函数模型,此函数模型构建了压力振荡变化的幅值与平均燃空比值之间的极值关系。提出了一种新颖的退火递归神经网络极值搜索算法,可以自适应地搜寻出极值模型中最优的平均燃空比值,实现对燃烧室内压力振荡变化的最小幅值控制,并有效地抑制了燃烧室的不稳定燃烧现象。通过仿真对比,验证了方法的有效性。     

爆震管壁面热负荷实验

在一台内径61 mm、长度1140 mm的气动阀式脉冲爆震发动机(PDE)上,进行了爆震管热负荷的测量计算,主要采用了两种换热模型:一是自然对流和热辐射模型;二是强迫对流模型.在两种方式下,爆震管的热负荷随频率的变化关系基本相同,即随频率升高而热负荷增大,但频率增加两倍热负荷增加却不止两倍.此外,在方式二的情况下,还得到煤油蒸发率随频率的变化关系,为PDE蒸发器设计提供参考.      

小波神经网络在航空发动机故障诊断中的应用

针对某型航空发动机构建了转子-滚动轴承动力学仿真模型,并利用该模型构造了三种发动机故障样本.研究中采用松散型的小波神经网络,先对构造的三种故障信号进行小波包特征分析,提取其能量特征向量作为神经网络的输入,再采用改进的BP神经网络分类器进行发动机故障模式识别.仿真结果表明,基于小波神经网络的信息融合技术用于发动机的故障诊断是可行的和有效的.     

神经网络和专家系统复合材料优化设计研究

论述了复合材料设计及优化的基本方法,介绍了神经网络和专家系统人工智能方法,并对复合材料设卉及优化中的两种智能方法进行了详细论述,总结了两种方法在复合材料优化设计中的分类、建模、预测和应用.举例说明了神经网络和专家系统方法在复合材料优化设计中具有重要的研究价值.最后对该领域的发展提出了建议.     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

基于弹性小波神经网络的故障诊断研究

航空电源系统是机上设备的重要组成部分,任意一个环节出现故障,将会影响整个飞机系统的正常安全运行。针对神经网络收敛速度慢,易陷入局部最小的缺点,将小波神经网络结合弹性BP算法应用到电源系统故障诊断中。训练过程及仿真结果表明：小波神经网络故障诊断算法收敛时间方面表现更优,具有较高故障诊断率。     

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.