航空发动机转子不平衡量突增的自动识别

为实现在航空发动机振动信号分析时因封严胶条脱落发生的转子不平衡量突增的自动识别,采用多傅里叶变换（FFT）滤波技术获得转速跟踪滤波后的基频振动时域信号,提出了振幅突增和突增后振幅稳定的转子不平衡量突增的2种特征,通过应用案例对振动信号的程序化进行处理,得到转速跟踪滤波后的基频振动时域信号及转子不平衡量突增的识别参数,数据结果中振幅增大比例系数达到3.75,且突增后振幅稳定。结果表明：采用FFT滤波技术,实现了转子不平衡突增的自动识别,并验证了识别方法的有效性。转子不平衡量突增的识别技术应用于在线监测系统时,能及时识别故障并发出报警信息,保证设备运转的安全;应用于离线振动信号分析系统时,缩短了人工数据分析时间,提高了工作效率。     

油膜轴承动态特性参数及转子不平衡的统一识别

将转子不平衡作为引起转子-轴承系统振动的主要原因,本文提出了一种现场、在线识别转子系统油膜轴承动态特性参数及转子不平衡的时域方法。本方法充分利用转子的结构及模态参数以解决测点不足和激振力不可测量等问题。同传统的参数识别方法相比,本方法具有现场、在线、不需人工激振、设备简单等优点。实验结果证明了方法的可行性。     

固体火箭发动机径向泄压过程中燃速对内弹道预示的影响

用参数辨识法对某径向泄压固体火箭发动机的瞬态参数进行了辨识,得出了该发动机泄压过程的瞬态燃速公式和泄压孔流量系数。利用零维瞬态内弹道模型和辨识所得参数,对另一台发动机的径向泄压过程进行了预示,预示结果与发动机实测数据吻合良好,证明了该方法的正确性和适用性。在此基础上,分析了燃速对径向泄压过程内弹道预示的影响。结果显示,在发动机径向泄压过程中,采用瞬态燃速更能反映发动机的实际工作过程。     

一种结合角距特征的改进栅格星图识别算法

针对栅格算法易受邻域星点影响导致误匹配的问题,提出了一种结合角距特征的改进栅格星图识别算法。首先介绍了改进栅格算法的原理,其次设计了融合栅格识别模式和星角距识别模式的算法实现流程,最后开展了基于不同视角下的大视场仿真星图的算法试验验证和性能分析。结果表明,由于角距特征具有旋转不变性和不易受观测星邻域星点分布影响等特点,结合角距特征对失效观测星进行再匹配的改进栅格算法,在兼顾存储量需求小、运行速度快等优势的同时,识别率和鲁棒性也得到了提升,最高识别率可达98.88%,在位置噪声干扰以及缺失星干扰下,改进算法的识别率仍可保持在95%,说明算法鲁棒性强,具有较好的应用前景。     

飞机起落架缓冲性能分析、试验、设计一体化技术

 提出了一种飞机起落架缓冲性能分析、试验、设计一体化的工程方法。利用起落架落震试验结果,自动识别缓冲器空气压缩多变指数和油孔流量系数等不可测参数,以便建立准确的起落架数学模型;并在此基础上对缓冲器充填参数和油孔尺寸进行优化设计,使得起落架着陆最大冲击载荷达到最小。试验验证结果表明,该方法是成功且有效的。     

油膜轴承动态特性参数及转子不平衡的现场识别

 应用有限元方法建立了柔性转子—轴承系统的动力学模型,提出了在不施加人工激励的前提下识别油膜轴承动态特性参数和转子不平衡的一种时—频域混合法。这种方法可以对每个轴承进行单独识别,亦可进行统一识别,真正实现了“现场”和“在线”,而且不破坏油膜的正常工作状态。最后给出了合理的现场识别实验结果。     

飞行载荷参数识别方法研究

介绍了飞行载荷参数识别方法的基本原理。基于飞行载荷与飞行参数之间存在着相关性,通过专门的飞行试验实测载荷和参数,利用回归技术建立载荷与参数之间的经验关系,将飞行测量的参数转换成飞机结构部件上的载荷。还介绍了把该方法使用于Ｆ－７尾翼载荷和Ｆ－６操纵面铰链力矩导数的参数识别的研究实例,并对其进行了相应的评述。研究结果表明了这种方法的可行性、可靠性及实用价值。     

基于主动阻尼控制的柔性基座振动抑制

针对安装在柔性基座上的空间机械臂运动过程中的振动问题,提出了一种改进的主动阻尼控制方案;利用参数辨识,给出了惯性矩阵估计值的显式表达式,并且在基座振动抑制控制律中加入了基座位移补偿项。对平面二连杆柔性基座机械臂进行仿真实验。结果表明:原始的主动阻尼控制虽然能够保证在机械臂运动过程中基座的振动抑振,但机械臂轨迹跟踪误差收敛较慢,改进后的控制律能够更快地缩小轨迹跟踪误差,整体的基座抑振效果更好。     

改进的极大似然算法及其在试飞数据处理中的应用

通过对一般极大似然辨识算法的分析,提出一种改进的极大似然辨识方法,使之更适合于飞机飞行试验数据处理。将其应用于纵横向耦合的六自由度飞机的飞行试验数据的协调性检验及重建。结果表明：这种方法使参数辨识的收敛速度得到大大提高,使参数初值更易于选择。     

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN-LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别.该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最...