基于声振主要传播路径的汽车风噪简化模型评估

以某款实车为研究对象建立了统计能量分析（Statistical Energy Analysis,SEA）模型,通过传播特性分析对其主要传播路径进行分类,并进行简化模型近似性分析。通过对SEA模型中主要和次要子系统选取,建立了2种简化模型,对其车内噪声和传播路径的计算表明:模型子系统特性改变,能量的传播路径和大小特性随之变化、甚至子系统对外界流体脉动和声场的接受能力也发生变化,导致得到的车内噪声计算结果发生改变。简化模型的使用还需进一步研究。     

超临界自然层流机翼设计及基于TSP技术的边界层转捩风洞试验

为了实现绿色航空节能减排的目标,层流设计技术成为飞行器设计者的研究热点。对于跨声速客机而言,超临界自然层流机翼设计技术将显著减小飞行阻力,提升气动性能,减少燃油消耗和污染物排放。首先,基于高精度边界层转捩预测技术耦合翼型优化设计系统,实现超临界自然层流翼型设计;经过合理的翼型配置,形成超临界自然层流机翼。转捩数值模拟分析结果表明,超临界自然层流机翼的层流流动特性良好。然后,以比例为1：10.4的试验模型在荷兰高速低湍流度风洞进行边界层转捩风洞试验,使用温度敏感材料涂层（TSP）技术拍照获得机翼表面在不同马赫数、雷诺数和迎角工况下的层流-湍流分布。最后,通过超临界自然层流机翼边界层转捩试验结果,探讨了该类型机翼的转捩特性随来流参数的变化规律,总结了超临界自然层流机翼设计的关键因素。此外,该模型也可用来验证边界层转捩预测技术在超临界、高雷诺数工况下的预测精度。     

高压环境下剪切稀化非牛顿撞击射流直接数值模拟

高压环境下的撞击射流是液体火箭推进系统中广泛采用的一种燃料雾化方法,其雾化效果将直接决定最终燃烧效率。采用直接数值模拟（DNS）工具,对10 MPa高压环境下剪切稀化非牛顿直角撞击射流的三维非定常雾化特征、机理及非牛顿特性进行了研究。结果表明：高压环境下该撞击射流的雾化流场呈圆形辐射状分布并形成Mushroom头部和Ω状的局部凸起,气体中的涡量分布表现为有序贴附区和无序爆炸区两类,液膜向液丝的破碎主要受平均气体力和平均黏性力作用影响,而液丝向液滴的破碎则主要受局部流场参数影响,撞击雾化过程中液体无量纲表面积不断增长并可分为5个阶段。此外,撞击射流头部在局部强剪切力作用下其无量纲黏性系数最低降至仅0.7。     

基于高斯混合模型的航迹抗差关联算法

针对雷达系统误差时变、上报目标不完全一致等复杂场景下目标航迹关联问题,采用高斯混合模型（GMM）与航迹间拓扑信息相结合的方法实现航迹抗差关联。将航迹关联问题转化为图像匹配中的非刚性点集匹配问题,建立对非同源航迹具有鲁棒性的高斯混合模型,根据航迹间的邻域拓扑信息决定高斯混合模型中各高斯组成部分的权重,利用期望最大值（EM）算法求解高斯混合模型的最优闭合解,在期望步（E-step）阶段求解航迹的对应关系,在最大化步（M-step）阶段求解非同源航迹比例,最后进行航迹关联判决以获得关联结果。仿真结果表明,该算法在不同系统误差、目标分布密度、探测概率等环境下具有较好有效性和鲁棒性。     

基于ATSUKF算法的卫星姿控系统故障估计

针对卫星姿态控制过程中可能发生的执行机构或敏感器故障,提出了一种基于无损卡尔曼滤波（UKF）及偏差分离原理的自适应二阶无损卡尔曼滤波（ATSUKF）算法。首先,提出TSUKF算法,通过UKF处理姿态机动时的非线性并通过偏差分离原理将非线性系统的状态及故障分别估计,避免非线性模型的线性化过程同时降低了计算过程中的矩阵维度。然后,在TSUKF算法的基础上提出了ATSUKF算法,通过滑动窗口内的残差计算自适应矩阵,使滤波器在统计特性不准确的情况下仍然具有较快的收敛速度,特别适用于卫星快速机动过程中的姿态与故障估计。数值仿真结果表明,ATSUKF算法相较于TSUKF算法能有效降低统计特性不准对系统造成的不利影响,实现卫星姿态、执行机构/敏感器故障的快速估计。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。      

基于MED和LMD的自动倾斜器轴承广义Shannon熵谱分析

针对轴承信号微弱故障特征易被强背景噪声淹没的问题,提出采用最小熵反褶积,通过逆滤波器最优化设计,对目标信号进行降噪处理,其峭度值提高了约3.8倍,增强了信号的微弱故障特征;针对非平稳非线性信号频率成分复杂难以解调的问题,提出采用局部均值分解(LMD)和峭度-相关系数筛选准则,其可对非平稳非线性信号进行自适应分解和最优重构,提高了信号的信噪比;针对信号耦合调制及边频突出的问题,通过引入广义Shannon熵进行包络谱带内降噪处理,信号一阶故障特征调制频率与故障特征频率的幅度比降低了24%~43%。通过实验室信号及某型直升机自动倾斜器轴承故障诊断地面试验的分析结果验证了该方法的合理性和可行性。      

旋转光滑直通道湍流流动一维热线实验

采用一维热线详细测量了不同雷诺数下及较高旋转数条件下旋转光滑直通道内湍流边界层及主流的速度型,在此基础上构建适用旋转数范围更广的旋转通道对数律的修正公式,分析了旋转效应对壁面摩擦速度的影响。实验过程中雷诺数范围是15000~25000,旋转数范围是0~0.444。通道壁面为室温,流体与壁面之间无热交换。结果表明:旋转对于通道截面速度型影响很大;旋转导致速度型整体向后缘面偏转,但最高速度出现在靠近前缘面的区域;后缘面无量纲平均速度型分布顺序与旋转数排列次序相一致,在对数律区符合对数律规律。壁面剪切应力在前缘面随着旋转数的增大而先单调递减,而在后缘面的变化趋势与此相反。旋转状态下修正的对数律公式斜率随着旋转数的增加而单调递减且在后缘面递减的趋势逐步有所减缓,并提出了对数律区的旋转修正公式,公式的误差范围控制在15%以内。      

基于模糊在线调整权重因子的三相六开关容错逆变器驱动异步电机FCSMPTC

为了进一步提高异步电机的控制性能,减小磁链和电流脉动,针对传统异步电机有限控制集模型预测转矩控制(FCSMPTC)中目标代价函数权重因子的配置问题,提出一种模糊在线调整权重因子的异步电机FCSMPTC方法。通过判断转矩和磁链误差,采用TakagiSugeno模糊控制方法实现对权重因子的动态调整,并给出了模糊论域和相应的模糊规则设计。同时考虑到三相异步电机驱动系统中逆变器开关故障给控制系统带来的影响,采用三相六开关容错控制策略对系统进行容错控制。仿真结果表明:该控制方法能够平滑磁链和电流输出,减小电流谐波。     

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。