基于发动机非线性响应的辨识线性模型方法

研究利用航空发动机的非线性响应，辩识多个基准状态下线性模型的方法。将发动机的非线性动态模型描述为Volterra级数模型，利用一种鲁棒的自适应辨识算法实现它的辩识，将模型的高阶部分去掉，就得到了发动机的小偏差脉冲响应函数模型，然后可将其转化为其它形式的线性动态模型。利用某型涡扇发动机仿真对方法进行检验，求出若干基准状态下的线性模型，对比表明，得到的线性模型比较准确。可实现利用飞参数据辨识发动机多状态的线性模型。     

航空发动机加力状态最小油耗优化控制

分析了发动机加力状态燃油消耗的特点，利用主燃烧室燃烧效率远大于加力燃烧室燃烧效率的特点，将性能寻优控制中的最小油耗模式扩展至加力状态。用线性规划（Linear Programming）算法进行发动机性能寻优。进行了加力状态最小油耗模式的数字仿真实验，仿真结果表明在加力状态应用最小油耗模式，可以使单位耗油率减少5％～7％，其效益远高于非加力状态的最小油耗模式，具有明显的实际应用价值。     

基于Bootstrap滤波的单站无源定位算法

针对非线性测量下的被动定位问题,建立了只测角定位模型。讨论了一种基于贝叶斯理论的 Bootstrap 滤波算法,并将该算法与扩展卡尔曼滤波算法进行了比较,仿真结果表明Bootstrap 滤波算法定位精度更高,抗噪声性能更强。     

发动机滑油散热系统性能计算方法及其应用

讨论了安装鼓风机引起滑油附加温升的原因并提出了合理的计算模型,完善了滑油散热系统性能计算方法。研究表明,在建立良好的物理模型的基础上,应用遗传算法对模型结构参数进行优化,可以显著提高系统模型的精度,减小系统性能计算误差。应用本文的计算模型分析了温控活门对滑油温度的影响,并建立了预测燃、滑油瞬态温度值的方法,为发动机的安全运行提供了指导。本文方法的优点是只需少量滑油系统试验数据即可获得满意的模型拟合结果,从而大大节约了试验费用,提高了试验效率,并能有效预测试验难以达到的恶劣条件下的滑油散热性能。      

航空发动机机载实时自适应模型研究

航空发动机的性能蜕化会导致其可测参数的变化,因此传感器测量参数偏离正常工作情况下的变化量,可以表征发动机的性能蜕化程度。文中首先建立了包含发动机性能蜕化因素的状态变量模型,并将性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测的输出偏离量经滤波器状态估计得到发动机性能蜕化值,最后将性能蜕化值用于状态变量模型中不可测参数的修正,从而使机载模型适应发动机的非额定工作状况。     

基于偏最小二乘的向后删除变量法及其在均匀设计中的应用

针对均匀设计中的小样本数据处理问题,讨论了一种偏最小二乘与向后删除变量法相结合的变量筛选方法。首先,利用偏最小二乘建立包含尽可能多的关键自变量的全模型,然后将向后删除变量法中的每一次最小二乘回归替换为偏最小二乘回归,得到基于偏最小二乘的向后删除变量法。实验结果表明,与逐步回归法相比．该方法的预测能力明显提高,且具有更好的稳定性。     

基于QR分解最小二乘算法消除ECG中工频干扰

研究了一种基于QR分解最小二乘(QRD-LS)算法消除ECG中工频干扰的方法,此方法采用基于数据域处理的QRD-LS算法进行权值的训练和更新,其直接针对输入数据矩阵进行递推,且可用并行Systolic处理结构高效地实现。并且能自适应消除工频干扰,提高信干比,仿真结果验证了理论。     

丁羟固体推进剂力学性能模拟计算

提出了丁羟固体推进剂力学性能的三相结构模型(分散相-界面相-连续相),建立了丁羟固体推进剂力学性能与弹性母体的伸长率和弹性模量、推进剂组分固体含量、粒径、级配、粘合剂和键合剂等的数学关系,进行了编程计算;推进剂抗拉强度和伸长率的计算结果与实验值吻合较好,并用该软件计算研究了弹性母体的伸长率及模量?AP的粒径及级配?键合剂的含量等对推进剂力学性能的影响规律。     

NS方程计算中耦合转捩自动判断的阻力精确计算方法初探

在Reynolds-Averaged Navier-Stokes(RANS)方程计算中耦合了流动转捩的自动判断以提高现有求解器预测翼型阻力的准确性.由RANS方程求得翼型表面压力分布作为层流边界层方程求解的输入参数,然后使用简化的eN-数据库转捩判断方法分析层流边界层的解得到转捩点的位置,这样随着流场的迭代求解求解器自动判断转捩点的位置.在对NLF0416翼型的气动性能计算中考虑流动转捩的因素后得到的翼型升阻力特性和实验吻合较好,验证了本文方法的正确性.     

一种基于高斯混合模型粒子滤波的故障预测算法

针对一类故障预测问题提出了一种基于粒子滤波的故障预测算法。在算法的状态估计阶段,采用联合估计和粒子滤波同时估计对象系统故障演化模型状态和未知参数的后验分布。在算法的状态预测阶段,采用了两种不同的计算方法：一种方法是对状态变量当前时刻的后验分布进行迭代采样,从而获得未来时刻的状态变量的先验分布;另一种方法是采用数据驱动的方法预测未来一段时间内对象系统的量测信息,从而将未来时刻状态变量的先验分布的预测问题转化为一个求解后验分布的估计问题。采用高斯混合模型近似随机变量分布密度,从而将两种方法的计算结果在一个统一的预测框架之下进行有效交互,进一步提高了预测的准确性和可靠性。在算法的决策阶段,在获取的故障演化模型状态变量分布基础上,结合一定的故障判据近似计算出对象系统剩余寿命分布。故障预测仿真实验结果证明了所提算法的有效性。