复杂固体边界流场的三维 PIV 测试技术：任意三维边界识别算法

针对复杂固体边界三维流场的 PIV 测试应用,以及流固耦合实验研究中流场和固体结构特征的瞬态同步测试需求,发展了一种基于双相机布置形式的任意三维边界识别算法以精确获取三维表面几何信息;并以基于MLOS-SMART 三维粒子场重构的 Tomo-PIV 算法计算三维速度矢量场,可同步获取三维表面结构运动／变形信息和三维瞬态速度场。这一边界识别算法基于 SURF（加速稳健特征）模式识别算法进行三维曲面重构,可以确定流场中三维物体结构的边界特征。论文采用双相机布置方式获取了三种不同曲率的圆柱曲面图像,验证了所发展的三维边界识别算法的准确性。最后以圆柱绕流 Tomo-PIV 数字合成粒子图像序列为验证对象,采用所发展的边界识别算法和 Tomo-PIV 算法分别高质量地计算出圆柱曲面信息和三维速度场。     

基于条纹中心线法的电子散斑干涉条纹信息提取

电子散斑干涉技术(ESPI)是光学测量的一种重要的方法,对ESPI条纹的信息提取是ESPI进行光学测量的关键步骤之一,本文在介绍电子散斑干涉条纹中心线法的基础上,开展了ESPI条纹图预处理和基于条纹细化算法的骨架线提取的研究,包括对细化的条纹进行修整、拟合,该方法可以实现条纹骨架的快速、准确的自动提取。设计了一套应力形变装置,运用电子散斑干涉条纹中心线法对试件表面的形变进行实际检测,得到测量结果,对结果进行了分析,实验测量值与实际相符。     

圆柱形微凹坑表面织构对流体动压润滑性能的影响

通过建立具有规则田往形微凹坑分布的表面织构流体动压润滑模型,分析了微凹坑几何参数及微凹坑分布形式对流体动压润滑性能的影响.研究结果表明:在微凹坑直径及深径比不变时,存在最优的微凹坑面积率,约为30%;在微凹坑分布密度不变时,存在最优的深径比,约为0.027.在此最优微凹坑面积率及深径比下,本文创新性地通过优化微凹坑的分布形式,进一步提高了润滑膜承载力21.7%.研究结果对进一步的研究工作提供了理论依据,具有指导意义.     

航空电子软件仿真测试环境软件体系结构研究

首先介绍航空电子软件的特点,分析航空电子软件测试对测试环境的需求,提出一种分布式仿真测试环境的软件体系结构设计.基于RUP模型,以不同视图系统地对航空电子软件测试环境的体系结构进行了描述.应用代理模式,解决了分布式测试环境节点间实时通讯的关键技术.据此设计和实现的分布式仿真测试平台系统DSTE V1.0已成功地应用于多个航空电子软件系统测试工程中.     

结合统计的模型辨识在发动机故障诊断中应用

以一个双轴分排涡扇发动机为例,研究了数理统计和模型辨识组合方法诊断发动机双故障的可行性和效果.模型辨识法基于发动机性能仿真模型,在辨识的过程中利用了发动机平衡技术,考虑了模型的非线性.运用数理统计方法对辨识法得到的结果进行再处理,弥补了单纯以拟合程度为标准进行故障隔离的不足,定义和选择合适的故障指标,可以在多重故障模型下得到良好的故障隔离效果.      

基于小波变换的孔探图像边缘粗糙度分析

针对航空发动机内部结构裂纹损伤的孔探图像识别问题,提出一种描述孔探图像边缘曲线粗糙度特征的方法——粗糙度系数法.该方法利用二进小波变换对边缘曲线在所有可能尺度上进行小波分解,得到尺度系数和小波系数.对于这些小波分解系数,构造一种对数熵算法来计算尺度系数和小波系数的能量强度.小波系数与尺度系数的对数熵的比值被定义为粗糙度系数,用粗糙度系数来评估曲线的粗糙程度,粗糙度系数越大,曲线越粗糙.实验表明以粗糙度系数作为孔探图像边缘曲线的识别特征,能够有效地识别孔探图像中存在的裂纹损伤.      

胸鳍摆动推进机器鱼滚转机动控制

针对胸鳍摆动推进机器鱼滚转机动控制研究的实际需求,提出了一种基于中枢模式发生器(CPG)的模糊控制方法.通过模仿生物原型的胸鳍摆动规律,得到一种可以驱动机器鱼滚转运动的胸鳍摆动方式,并通过定义相关参数将其量化表达.基于胸鳍摆动CPG模型,建立模糊控制器,用于机器鱼的滚转机动控制.进行了机器鱼的滚转运动实验并对实验结果进行了详细分析.实验结果表明,机器鱼能以最快10(°)/s的角速度达到目标滚转角度,而且稳态误差不超过±5°.通过滚转机动控制,并配合航向控制,实现了胸鳍摆动推进的机器鱼以90°滚转角穿越宽度为翼展1/2的狭窄空间的高机动性运动.      

民用运输机首飞起落航线仿真软件设计与应用

首先简述了民用运输机首飞起落航线的定义和特点,然后提出了一种起落航线的仿真模型,并基于软件复用技术开发了仿真平台,工程应用表明本仿真平台具有较高的工程实用价值.文末指出了未来的研究方向.     

基于模式识别的航空发动机燃油控制系统传感器故障诊断

航空发动机燃油控制系统执行机构故障有可能导致参数测量传感器出现较大偏差,而采用传统的传感器故障诊断方法易误诊为传感器故障。为此,引入修正因子作为传感器故障模式样本,通过聚类分析获得样本的特征向量;按照卡洛南—路伊变换(K—L变换)原理,对传感测量信息进行变换,构成了新的正交变换矩阵,减弱了各特征向量的相关性,突出了差异性,加强了对故障传感器和发动机燃油控制系统执行机构故障的特征识别能力;利用多组学习训练样本,设计了发动机不同参数测量传感器故障模式的判别函数。经仿真试验验证,该方法可以有效识别、诊断传感器故障。     

基于LightGBM的HXMT在轨运行模式监测算法

HXMT卫星的空间硬X射线巡天和定点观测计划切换频繁,需要对卫星有效载荷在轨状态进行实时监测和判别.目前采用的是地面监测人员根据总结的规则进行人工监测的方式,虽然执行方便,可解释性强,但人力消耗较大,且对规则之外的情况无法灵活处理.本文利用HXMT卫星的实时遥测数据,提出一种基于LightGBM机器学习模型的在轨运行模式监测算法,将监测工作规约为多分类问题,并构建判别模型,对卫星在轨运行模式进行判断.在保障判别准确率的前提下,算法模型构建迅速,具有很高的实用性.基于真实遥测数据的试验表明,模型的判别准确率达到99.9%,满足在轨运行模式监测要求,可为HXMT卫星的运行监控任务提供参考依据.