基于条件判断准则的涡扇发动机限制保护控制器优化设计

为了降低涡扇发动机控制逻辑中最小-最大选择结构的保守性，更高效地利用现有的安全裕度，提出一种基于条件判断 准则的涡扇发动机限制保护控制器优化设计方法。通过对发动机关键输出变量进行条件主动判断，来决定限制保护控制器是否 处于激活状态。其中，条件判断模块中的边界阈值采用智能优化算法-粒子群算法使其在给定的边界内搜索出合理可靠的最优 值。基于某型涡扇发动机控制系统仿真平台进行计算机数值仿真，仿真结果表明：该优化方法有效地降低了最小-最大选择结构 的保守性，在保持所有必要的安全极限情况下，推力响应速度得到了有效提高。其中，传统线性控制器的响应时间为4.7 s，而基于 条件判断准则的限制保护控制器的响应时间则为3.8 s，缩短了近20%，控制系统的保守性得到了有效降低。     

大型电传民用飞机人机耦合（APC）分析与评估

大型民用客机电传操纵系统的应用,使驾驶员诱发振荡（PIO）的可能性大大增加,直接影响到飞机的安全性。通过对PIO的分析,介绍了三个工程上实用的Ⅰ类PIO趋势评估准则：姿态带宽准则、Smith-Geddes准则、综合（姿态带宽加回落）准则,并结合准则给出了相应的算法和算例。最后提出了防范不利人机耦合的改进方案和设计措施。     

基于最大后验概率准则的天基星座网络多用户检测方法

天基星座网络中用户可以随意进出自由组网，活动用户的数量、身份和发送的数据随机变化，对接收用户的性能造成很大影响。多用户检测是指识别每个活动用户的身份并检测每个活动用户发送的数据。传统方法假设活动用户数等于网络可以容纳的最大用户数，这种方法模型比较简单且误码率性能不够理想。提出了一种基于最大后验概率准则的多用户检测方法，该方法将用户的活动状态建模为马尔科夫链，并将多用户检测转换为在网格图中使用BCJR算法搜索最优路径。仿真结果表明，当活动状态错误概率和符号错误概率达到10^-3时，本文所提方法与对照方法相比分别获得2.6 dB和1 dB信噪比增益。     

一种可靠性增长试验抽样数Max-Min准则的反馈修正方法

对成败型航空发动机部件可靠性增长试验抽样数的确定问题进行了研究。推导出了初始故障数服从典型离散分布时的最小化最大准则(Max-Min准则),提出了一种逐次抽样样本估计值反馈修正方法。最后给出了一个应用实例,验证了该方法的有效性。     

基于LMD与AO-PNN的中介轴承故障诊断方法

针对航空发动机中介轴承受噪声干扰大、传递路径复杂导致采用传统方法难以进行故障诊断的问题,提出了一种基于局部均值分解（LMD）与相关系数-能量比-峭度准则、结合天鹰座优化算法（AO）优化概率神经网络（PNN）的中介轴承故障诊断方法。使用LMD对传感器采集的振动信号进行分解;利用相关系数-能量比-峭度准则判决筛选分解得到的PF分量,重构筛选后的信号;计算重构信号的多尺度排列熵（MPE）,以构建特征向量;通过AO优化的PNN的平滑因子,将优化后的神经网络用于中介轴承的故障诊断。基于中介轴承故障试验数据对诊断结果进行了分析,结果表明：提出的方法可以有效诊断高背景噪声、复杂路径干扰下的航空发动机中介轴承的典型故障,与粒子群优化的概率神经网络方法（PSO-PNN）和传统的PNN方法相比,其诊断准确率分别提高了3.875%和8.125%,具有较好的全局收敛性和计算鲁棒性。     

基于一种贝叶斯优化框架的高空螺旋桨气动优化设计

为了在可接受时长内获得高空螺旋桨气动方案的最优解，提出一种基于贝叶斯优化框架的高空螺旋桨气动外形优化设计方法。该方法以拉丁超立方抽样获取螺旋桨气动外形参数的初始样本点，建立以该参数为输入、数值模拟获取螺旋桨气动性能为输出的初代高斯过程模型；以遗传算法和三种并行加点准则构成的子优化获取新样本点，求取新样本点的气动性能，并更新样本数据和高斯过程模型。该方法可以使新样本点快速向最优解附近集中，从而提高最优解附近的模型近似精度。为验证模拟方法，加工了某高空螺旋桨进行地面试验。与模拟结果相比，试验推力平均误差2.34%、扭矩平均误差3.33%。以课题组自研的6个低雷诺数翼型为基础，使用该方法对某高空太阳能无人机螺旋桨进行优化设计，优化结果显示：螺旋桨在设计点推力提高9.24%、效率提高8.13%。研究结果表明，该方法对高空螺旋桨优化设计及相关工程应用具有较强的参考价值。     

基于离散优化的飞行试验点优化设计方法

为了更好地规划飞行试验点以提高试验效率，本文进行了基于离散优化的飞行试验点优化设计。通过显著性检验量化不同自变量对推力模型的影响大小，并依次剔除影响较小的自变量，得到了航空发动机推力模型。首先采用D-最优准则评估试验点组合集的优劣，然后利用自适应遗传算法进行试验点离散优化，并以试验点组合的方式取代遗传算法中的二进制编码过程，在试验限制条件下计算试验点最优组合集。以航空发动机性能试飞为案例进行应用，结果表明：试验点优化设计不仅与试验点的分布有关，也与试验点的数量有关。初始试验点最优组合集的试验点数量为12，得到的推力模型最大误差达到2.45%；最终试验点最优组合集的试验点数量为23，得到的推力模型最大误差不超过0.81%。通过研究表明，本文采用的试验点优化设计方法能够有效得到试验点最优组合集，提高模型精度，满足工程使用需求。