海底的"太空生活"

航天员“上天”不足为奇，航天员“下海”却不多见，而且还要在海底过“太空生活”！这究竟是怎么一回事呢？跟我一起去看看美国航宇局设置的特殊培训科目——海底航天试验。     

1700℃高温、有氧及时变环境下隔热性能试验研究

针对高超声速飞行器面临极端高温热环境、飞行器外壳单侧面受热以及温度历程非线性时变的特点,自行设计并建立辐射式极端高温氧化环境下的单侧面试验加热装置,实现了1700℃高温有氧环境下对高超声速飞行器热防护材料的隔热性能试验测试。同时,对轻质陶瓷材料试验件和新型陶瓷、纳米材料复合结构在高达1700℃的高温氧化环境下的隔热性能进行试验测试,并对不同材料及其组合模式进行对比分析,优选高效能的隔热方案,发现陶瓷、纳米材料复合结构试验件比单层轻质陶瓷材料试验件的隔热效果提高了约50%。另外,生成了极端高温非线性时变热环境,并进行相应的隔热性能试验。通过建立极端高温、有氧、单侧面加热、非线性时变热环境试验系统及其实际应用研究,为高超声速飞行器的热防护设计提供重要的试验手段。     

小型星表探测机器人发展现状与趋势

针对深空探测中（尤其是月球、火星和小行星探测）大型着陆探测器对小型移动机器人作为重要科学载荷的需求,综述了国内外小型星表探测机器人领域的发展现状,着重介绍了面向月球探测、火星探测和小行星探测的代表性小型机器人的任务需求、基本构型和样机测试情况。在系统总结小型星表探测机器人关键技术及发展趋势的基础上,提出了未来中国在该领域发展、完善的建议。分析表明：月球探测的高研究价值区域多位于崎岖地形中,体积小、运动性能强的轮式、足式机器人受到广泛关注,日本、英国、瑞士等国家已提出多种小型机器人概念,并研发原理样机进行测试试验;针对火星等存在稀薄大气层的星体探测,定位于配置组件的旋翼式无人机已成为国内外关注和研制的重点之一,同时面向特殊极端地形探测的小型轮式、翻滚式机器人也进入到原理样机测试阶段,美国在这些领域均保持突出优势;针对小行星等小质量、弱引力天体探测,小型翻滚式机器人成为其着陆探测的主流,美国开展了原理样机设计与试验,日本通过"隼鸟2号"任务已成功实现在轨应用。     

低温雨雪冰冻灾害天气对航空运输影响的综合分析

引言2008年1月中下旬,长江流域及其以南地区大范围的持续低温、雨雪是上、冰冻等极端天气。此次雨雪过程影响的范围广,涉及几十个机场;持续时间长,雨雪从1月10日一直持续到2月初;降雪强度大,武汉、合肥、南京等机场先后多次出现大雪,湖北、湖南省的降雪更是百年一遇;冰冻强度大,10-31日,共有38个机场因跑道积冰先后关闭一段时间,其中贵阳机场连续13日部分时段关闭。     

宽温域下三位四通电磁液动换向阀的几何尺寸链与卡滞特性

针对某型飞机服役环境中滑阀出现卡滞和动作延迟等现象,在分析滑阀机理的基础上,发现按常温设计的滑阀副配合间隙在服役环境下会发生较大变化,飞行器极端温度环境、精密偶件加工残余应力等容易造成滑阀卡滞。利用弹性力学和热变形理论,考虑残余应力的影响,推导了滑阀副径向尺寸链的数学表达式。以某型滑阀副为例,计算了-50℃、100℃和150℃下滑阀副的变形量,通径13mm的滑阀,径向尺寸最大变形量为2.9μm。采用有限元方法仿真分析了油液压力引起的阀套变形量,最大变形量为2.19μm。配合间隙最小值应不小于总变形量5.19μm,可近似取为5μm。计算了不同配合间隙时的内泄漏量,泄漏量应满足要求0.035L/min,对应的最大配合间隙为7.7μm,可近似取为8μm。本文所提出的分析方法和尺寸链计算模型,对滑阀设计具有一定的参考意义。     

基于NN-ELM的航空发动机燃油系统执行机构故障诊断

提出了一种航空发动机执行机构及其传感器单一故障诊断及定位方法.首先通过执行机构模型判断是否发生故障,然后运用发动机逆模型对故障进行定位.基于离线训练BP(back propagation)神经网络建立执行机构模型,根据某半物理仿真试验台的测试数据训练网络参数.提出离线训练和在线训练相结合的极端学习机(ELM)算法建立发动机逆模型,使网络在初始时刻就具有诊断能力,工作过程中具有适应能力,且在线训练过程采用阈值判别法筛选训练样本,减小了在线训练时间,提高了逆模型的实时性.以某型发动机燃油系统执行机构为例的设计和仿真结果表明:该诊断系统能够准确地对发动机在稳态和动态工况以及蜕化状态下的执行机构及其传感器单一故障进行准确诊断和定位,具有很好的实时性.      

航空发动机传感器解析余度模型的建立方法

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。     

航空发动机传感器故障与部件故障诊断技术

结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.     

卫星测控天线日照温度场极端工况预测方法

针对卫星测控天线日照温度场产生的热变形影响天线电性能问题,提出了一种预测天线极端温度工况的方法.该方法将太阳照射参数与天线面板方程有效结合起来,求得天线面板的太阳直射点运动轨迹,从而确定天线姿态参数.在Ⅰ-DEAS中建立该姿态的模型,同时引入环境因素的影响,进行瞬态仿真分析,预测天线的极端温度工况.通过试验天线,验证理论计算太阳直射点运动轨迹与极端温度预测方法的正确性.     

基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.