基于PCA-TN的直升机主减速器通用热分析计算

针对当前热分析方法无法满足直升机主减速器结构复杂多变的问题,提出了一种快速获取主减速器温度场分布的通用热分析方法。以典型直升机主减速器为样本,进行了主成分分析（principal component analysis,PCA）,并结合热网络法（thermal network,TN）,分析获得3种通用热分析单元体模型。对于不同结构的主减速器,通过单元体及其衍生体的组合可以迅速且有效地建立其系统热分析模型,求解获得温度场分布。以某直升机主减速器为例,应用该方法进行了热分析,并与试验进行了对比,结果表明:该方法能高效计算主减速器的温度场分布,计算值与试验值最大误差为5.07%,满足主减速器热分析工程计算需求。      

航空发动机MTBF的Bayes评估

针对航空发动机的试验样本量和故障数据少,采用传统的数学平均值法对其平均故障间隔时间（MTBF）评估不能反映其真实可靠性水平的问题,基于Bayes理论,把历史试验数据视为先验信息,采用矩等效方法确定先验分布,然后通过Bayes理论综合现场试验数据,建立了一种基于Bayes理论的航空发动机MTBF评估方法。该方法可以扩大MTBF评估所需的信息量。采用所提出的Bayes方法对某航空发动机MTBF进行评估,得到其MTBF评估值为302.68h,比采用数学平均值法约提高了18.7%,评估结果更符合实际。表明该方法可应用于航空发动机MTBF的评估。      

超燃燃烧室一维释热分布模型研究

为了预估超燃冲压发动机燃烧室内的释热分布,针对带凹腔稳焰器的燃烧室,总结了射流混合情况、来流温度和当量比对释热分布影响的实验规律,提出了主燃烧区的概念和分段线性拟合的建模思路。模型被分为隔离段、横向射流、燃烧室释热分布、主燃烧区反压四个部分。通过压力前推,进行代数的迭代计算,能够快速得到燃烧室释热分布的一维模型。利用实验图像和仿真计算数据,对模型得到的释热分布与燃烧效率进行了验证,模型可适用于隔离段来流2.1马赫以上的工况,且模型结果与仿真结果相关系数达到了0.9以上。     

亚燃模态下释热分布对发动机性能的影响

为揭示释热分布对亚燃模态下超燃发动机性能的影响规律,对马赫数2.0,总温1100K,总压1.0MPa的来流,完成了燃烧室直连式实验和数值模拟研究。针对上游释热和下游释热条件,对比了发动机壁面压力分布,分析了内流道一维质量加权马赫数,获得了发动机部件和总体性能数据。结果表明,在总当量比相同情况下,上游释热能够获得更好的发动机性能,没有尾喷管时比下游释热获得的推力高出约18%,但在有尾喷管时只相差2.6%;对于本文构型,燃烧室和尾喷管是发动机推力的主要来源,两种释热分布下,二者产生的推力超过了发动机总推力的90%;但对于更高总当量比,上游释热可能会导致进气道不启动,需要增加下游释热获得更高的发动机性能。     

马赫数可控的方转圆高超声速内收缩进气道试验研究

基于反正切马赫数分布的弥散反射激波中心体轴对称基准流场,设计了方转圆内收缩进气道,并对其进行自由射流试验和数值仿真,获得该类进气道设计点的工作特性。试验结果表明：进气道顶板压力分布具有反正切曲线特征,总体性能优良且出口涡流区较小,上述设计方法可行有效。设计点时出口总压恢复系数达到0.561,增压比为26.2,临界反压约为135倍来流静压,对应的总压恢复系数为0.210。当带4°攻角时,进气道出口增压比增加49.6%的同时总压恢复系数降低了17.5%。     

基于全信息的正态分布型数据的线性回归分析

针对正态的分布型符号数据,提出一种新的线性回归分析方法.以体现正态的分布型数据的全部原始信息为出发点,给出正态的分布型变量的一阶矩、二阶原点矩、二阶混合原点矩的定义和计算原则.在此基础上,定义针对正态的分布型数据的线性回归模型以及残差信息的平方和,推导最小二乘回归系数.仿真实验证明了该方法所得回归模型在解释能力和预测能力上的有效性以及相对于"中心法"的优越性.给出的正态分布型变量数字特征的定义和计算原则为将其他经典的多元统计方法推广到分布型数据奠定了基础.     

飞机进近着陆电磁环境建模与辐射分布分析

机场终端区电磁、地形和地物在拓扑、物理和语义上的异构性导致进近着陆电磁环境构成机理复杂,很难用单尺度解析模型表征电磁环境的本质属性.在分析终端区多要素层次构成机理和关联耦合特征的基础上,提出一种多层融合的进近着陆电磁环境模型架构.综合采用矩量法和射线追踪法模拟台站辐射特性和地空电波传播模式,建立进近着陆区域电磁辐射强度量化表征与空间分布计算模型,有效降低了场边界特性不规则时空变化带来的电波预测误差.结合某机场地形和航向台数据,对终端区主航道和余隙航道的电磁辐射强度和覆盖范围进行计算和对比分析.仿真结果验证了本建模与分析方法的有效性.     

基于空间映射的视觉注意力分配预测模型

为预测飞行员视觉注意力分配,在SEEV(Salient Effort Expectancy Value)模型和多因素模型的基础上引入注意控制空间和资源分配空间的概念.前者描述了影响注意力分配因素,而后者则反应了兴趣区域所获得的注意资源.并通过空间映射建立注意力分配的预测模型,应用模糊层次分析的方法对模型进行结算.为验证预测模型效度,采用16名被试在飞行模拟器上开展基于异常信息恢复的工效学实验,通过眼动追踪装置记录注视点分布作为注意力分配指标.被试需要根据实验条件对主飞行显示器仿真界面中的目标信息状态进行监视,并通过驾驶杆的指定操作对异常信息进行响应.实验结果表明,注意力分配预测模型的理论结果与工效实验中注视点分布的实验结果显著相关且吻合较好,验证了预测模型的可用性.     

基于经验分布的区间数据分析方法

现有区间数据分析的方法通常假设数据在某一区间上服从均匀分布,这在实际数据分析中通常是不成立的.针对此问题,在原始数据来源于连续分布的简单假设下,利用经过分布函数变换后的随机变量服从(0,1)上的均匀分布,分别采用经验分布函数和核估计对原始数据的分布函数进行估计.基于此设计变换,对变换后的数据进行均匀分布的假设检验,通过检验后进行后续的区间数据分析,使得均匀分布的假定得以成立,保证了统计理论上的严谨性.数据模拟结果表明,将经验分布函数变换后的数据作为研究对象,进行区间数据分析,所得到的统计建模结果更加合理且具有较强的解释力.      

Dirichlet混合样本的EM算法与动态聚类算法比较

Dirichlet分布是一类包含正参数向量的连续多元概率分布,在比例结构问题中具有广泛的应用。针对Dirichlet混合样本的聚类问题,进行了最大期望（EM）算法和动态聚类算法研究。首先,推导其数学过程,并给出算法迭代步骤。然后,利用数字仿真实验,比较了EM算法与动态聚类算法两种机器学习算法在Dirichlet混合样本中的聚类效果。最后,计算对数似然函数值、程序运行时间、收敛迭代次数、聚类正确率、真正率（TPR）和假正率（FPR）6个评价指标。仿真实验结果表明,EM算法聚类正确率更高但是运算效率相对较低,而动态聚类算法运算效率较高但是损失了部分聚类正确率。因此,实际应用中建议综合权衡聚类正确率与运算效率的相对需求后,再选取合适算法进行Dirichlet混合样本聚类。