基于T-S模糊KPCA模型的分布式控制系统传感器故障诊断

为减小航空发动机多工况的工作特性和分布式控制系统非线性网络环境对故障诊断系统的影响,针对航空发动机分布式控制系统,提出一种基于T-S模糊KPCA模型的传感器故障诊断方法。首先采用C均值模糊聚类法,以油门杆角度为样本标签,对样本空间进行模糊分类,再通过模糊相似矩阵剔除各样本子空间的野值点;其次建立标称工况的KPCA模型,并利用训练样本对非标称工况的隶属度函数进行辨识,得到全工况T-S模糊KPCA模型;最后利用统计量T 2和SPE对传感器故障进行检测,并采用数据重构方法对故障传感器进行隔离定位。仿真结果表明该方法对发动机的任意稳定工况具有自适应能力,能够在非线性网络环境下对正常样本和故障样本保持较低的虚警率和漏报率。当多个传感器同时发生故障时,能够准确找到故障源,实现对故障传感器的隔离。     

微小型转台控制器的SOPC实现

微小型转台控制器通常利用嵌入式系统,尽可能减小控制系统的体积。SOPC技术的不断发展,实现了在FPGA芯片嵌入内核处理器,将其作为控制器具有很大优势。使用Altera公司的FPGA作为控制器开发平台,完成了控制器硬件开发,并且利用Nios II作为嵌入式内核,开发了基于Avalon总线的IP核。开发的控制器应用到微小型转台控制中,提高了控制器的集成度。     

焊接方式对铝合金搅拌摩擦焊T 型接头性能的影响

采用4种规格的搅拌头进行了2A70-T6铝合金T型接头搅拌摩擦焊试验,并对焊缝横截面进行了观察以及焊缝抗拉强度的测试.结果表明:焊缝中前进侧熔合过渡区的金属变形比返回侧剧烈,焊缝断裂往往发生在前进侧;在相同的焊接参数下,单道焊缝的焊核宽度与抗拉强度随着搅拌针直径的增大而增大,但增大的幅度较小,并列焊的焊缝抗拉强度仅为单道焊缝的93％左右;为了获取相同宽度的焊核,采用加粗搅拌针单道焊比并列焊更具有优势.     

LEAP-X发动机和Tech-X发动机先进技术分析

LEAP—X发动机和Tech—X发动机采用和融合了众多创新性先进技术和先进材料。发动机的核心机均由"eCore"核心机技术发展而来。本文就LEAP—X发动机和Tech—X发动机的性能指标和先进技术创新做一概括性分析,供相关人士参考。     

暗物质核心挑战传统理解

在2012年3月，天文学家通过分析哈勃望远镜观测到的数据发现，在大质量星系团碰撞后的残骸中留有暗物质团。这一观测结果挑战了现存有关暗物质的预测理论：即在星系团碰撞过程中，星系与暗物质紧密相连。     

基于原位X射线成像的推进剂损伤演化表征

为实现对硝酸酯增塑聚醚（NEPE）固体推进剂的细观损伤及其演化行为的可视化表征，基于自主研制的原位力学试验系统与第3代高分辨同步辐射X射线三维成像技术，对拉伸速率为0.1 mm/s下的NEPE固体推进剂单调拉伸过程进行三维成像原位观测和表征，获取初始状态固体推进剂的细微观形貌及其随拉伸载荷的演化特征，提取并分析其内部典型损伤的体积与球度随载荷的演化规律。结果表明：同步辐射原位成像技术能够准确获取NEPE固体推进剂的细观结构特征，可以基于灰度差异对固体推进剂的AP颗粒、Al颗粒、基体以及缺陷等实现特征的准确识别。研究发现，NEPE固体推进剂内部缺陷主要有2种，一种为颗粒内的孔洞，一种为AP颗粒/基体界面的初始脱湿。推进剂细观损伤首先表现为初始的界面脱湿形成的孔隙：在拉伸载荷较小时，推进剂的损伤形式主要表现为较大的AP颗粒脱湿形成的孔隙；在拉伸载荷较大时，除AP颗粒脱湿外可以观察到Al颗粒的脱湿，大量的AP颗粒脱湿后形成的孔隙相互融合，最终导致固体推进剂宏观断裂。对固体推进剂内部孔隙定量化表征的结果表明，孔隙体积随着拉伸载荷增大而增加，而球度变化与初始缺陷相关，有初始缺陷时，球度呈现单调减...     

航空发动机高空模拟试验进气压力复合控制研究

针对航空发动机高空模拟试验进气压力控制系统动态特性较差的问题,提出在进气压力常规PID反馈控制的基础上．增加按空气流量补偿的前馈控制,构成压力复合控制系统。试验结果证明,所设计的复合控制系统能实现快速度和高精度的统一。     

基于核密度估计算法的飞机载荷谱统计技术

受到实际条件限制,现阶段的飞机载荷谱实测均采取小子样实测方法,小子样实测数据是取自真实母体的一个简单样本,很难保证数据的充分性、完整性.传统的均值统计法无法对数据缺陷进行弥补.为了克服小子样数据不足问题,将核密度估计技术用于载荷谱统计,取得了良好效果.介绍了核密度估计的相关理论基础,并以某型机下沉速度谱的统计为例,详细介绍了将核密度估计方法用于载荷谱统计的数学过程.结果显示:核密度估计方法对还原载荷谱原貌、补充小子样数据的不足问题具有良好作用.      

基于FSS-kernelBSS方法的机械故障诊断

机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的.