发动机混装叶片纠正计划的制定方法

发动机叶片的混装问题影响了航空维修管理的效率,在最低成本下以恰当的时间完成纠正是航空维修企业面临的问题,针对此问题提出在飞机维修计划中增加发动机叶片的纠正活动,首先利用递推方法和选择规则确定发动机的维修备选时间点;然后采用0-1规划对备选时间点进行筛选以达到最低纠正成本的目的:最后通过Lingo软件开发了模型求解程序,并以20台发动机三种叶片的混装问题为例进行说明。     

支线飞机的非常规/常规融合布局研究

为了在支线飞机设计中利用非常规布局的优势提高其性能,同时避免其所带来的问题,提出基于飞翼的非常规/常规融合布局。首先介绍运输类飞机非常规气动布局飞翼的突出优势和面临的问题,然后提出非常规/常规融合布局,最后通过设计方案的逐步迭代改进和优化,得到气动性能优于新一代支线飞机的非常规/常规融合外形布局方案,其中巡航升阻比提高了约7.5%、阻力发散马赫数提高了约2.5%、巡航效率因子提高了约7.5%,同时确保了飞机具有良好的机场适应性。基于飞翼的非常规/常规融合布局方案具有进一步提升性能的潜力,同时避免飞翼的其他一些不利方面,为未来非常规布局运输飞机的研究奠定一定的基础。     

翼身融合无人机外形优化设计研究

翼身融合布局无人机具有较好的升阻特性和隐身特性,拥有广泛的应用前景。为了提高无人机的续航能力,兼顾翼身融合无人机的气动特性和结构重量要求,选择无人机升阻比与全机面积作为优化目标,应用多目标优化方法研究翼身融合无人机的外形设计,提出一种针对翼身融合无人机的外形参数化优化设计方法,并进行实例验证。结果表明:外形优化可以提高无人机升阻比、减轻结构重量,从而获得合理的翼身融合无人机设计方案。     

基于改进蚁群算法的无人机路径规划

针对传统无人机路径规划算法存在规划效率低以及无法满足特定任务需求的缺点,提出了基于改进蚁群优化算法的无人机路径规划算法。首先,将待规划区域栅格化,给每一个网格按顺序编号;其次,在路径搜索时引入了一种双向搜索机制,对信息素的更新规则和下一步节点的选择方法做出改进;最后,提出了一种新的方法来整合两组蚂蚁生成的路径,并给出了若干仿真试验结果。结果表明,所提算法相比传统算法更能有效避免过早陷入局部最优,收敛速度加快,生成满足任务约束的最短路径。     

周向布局对高压比串列离心压气机性能的影响

为揭示周向布局对高压比串列离心压气机性能的影响机制,采用经试验数据确认的数值方法,对串列叶轮在典型周向布局下的性能及流场结构进行了分析。研究表明:周向布局对串列叶轮流动的影响主要体现在后排叶轮的叶顶区域,75%周向位置时压气机级性能最优,25%周向位置时最差;串列叶轮改善离心压气机流场的物理机制为诱导轮压力侧气流对导风轮吸力面附面层的吹除效应,以及导风轮吸力面侧流体对诱导轮尾迹的引射效应;高压比串列离心压气机周向布局的优化应遵循的原则是,在避免诱导轮尾迹与导风轮吸力面发生直接作用的前提下,应采用较大的周向偏置参数。     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

固定翼无人机编队集结控制算法研究

针对固定翼无人机协同作战时的编队集结问题，提出了一种新的路径规划和位置分配方法，并设计了包括航迹跟踪、高度保持和速度控制在内的自动驾驶仪。该路径规划算法通过矩阵迭代得到一组较优的目标点分配方案，满足总航程较小和同时到达约束。根据得到的各无人机飞向目标点的航迹，算出无人机编队集结的代价矩阵。在每架无人机确定了应飞航路后，开始沿航路飞向目标点，在此过程中，纵向采用高度保持自动驾驶仪，横向采用航迹跟踪自动驾驶仪，控制无人机按规定航迹飞行。速度调节自动驾驶仪可根据速度指令调节油门大小加减速，跟踪上目标速度，进而实现编队集结。仿真结果验证了所提出的编队集结控制方法的有效性和可行性。     

基于数字模型的工艺设计与应用

国内外新一代飞机已全面采用数字化设计,制造工艺部门应以此为契机,改进数字化工艺设计手段,充分利用产品三维设计数据,全面推广基于数字模型的工艺设计方法和应用范围。提出了基于数字模型的飞机装配工艺协调设计,阐述了装配协调数据的定义方法,介绍了开展生产线三维工艺规划的方法和流程。提出了基于数字模型的全机和供应商制造构型设计模式。提出了基于数字模型的供应商交付规范的编制方法,阐述了三维装配工艺指令设计平台的功能、数字化装配工艺设计流程和虚拟仿真应用等内容。     

基于深度神经网络的机器人定位误差补偿方法

工业机器人由于高效率、低成本被广泛应用于智能制造业,但较低的绝对定位精度限制了其在高精度制造领域的推广应用。为提升机器人绝对定位精度并解决传统复杂的误差建模问题,提出了一种基于深度神经网络的机器人定位误差补偿方法。首先在笛卡尔空间进行拉丁超立方采样规划,获得目标点姿态对误差的影响规律;然后建立基于遗传粒子群算法优化深度神经网络(GPSO–DNN)的定位误差预测模型,实现对误差的预测和补偿;最后为验证该方法的准确性和优越性,与其他误差补偿模型进行对比。试验结果表明,基于GPSO–DNN的定位误差补偿方法的补偿精度最高,定位误差由补偿前的1.529mm减小为0.343mm,精度提高了77.57%。该方法能有效补偿机器人定位误差,大幅提高机器人的定位精度。