环境激励条件建筑结构的试验建模研究

通过环境激励模态识别技术对一座中高层新结构大楼环境激励试验建模研究。首先介绍了试验模型设计 ,并在现场测量整栋大楼在环境激励下的振动响应。然后采用新发展的频率空间域方法 ( FSDD)进行模态识别 ,分别在 0～ 4.5 Hz和 0～ 6.5 Hz频率范围识别出 9阶弯曲和扭转模态频率和振型。采用频率空间域方法识别了结构的阻尼特性 ,并得到满意的结果。所得试验模型已成功应用于 CFT大楼的有限元动态模型修正。所研发的试验建模技术可望在结构响应预报 ,健康监测和振动控制中发挥重要作用     

一种直升机粘弹减摆器时域模型参数识别方法

在时域内建立了直升机粘弹减摆器的非线性模型。该模型基于不可逆热力学原理，在线性滞弹性位移场(Anelastic displacement fields，ADFs)模型的基础上，通过一组材料状态变量函数引入了粘弹性材料的非线性特性；文中以硅橡胶为研究对象，在粘弹减摆器实际工作中比较典型的幅值和频率范围内，进行了简谐实验，并通过两位移幅值(0．1cm，0．6cm)的应变／应力滞迟回线直接进行模型参数识别。最后，通过与线化复模量、不同幅值的应变／应力的滞迟回线等实验数据比较，证实了本文模型具有较好的可靠性，为进一步研究直升机粘弹减摆器的性能和带减摆器的旋翼气弹分析奠定了基础。     

基于BP网络的热工过程模型辨识方法

主要研究了人工神经网络在辨识火电厂热工过程模型中的应用，利用Visual C^ 语言构造BP神经网络,提出了把BP网络权值转换为传递函数的方法，针对火电厂常见的热工过程，不用人为加入特殊的激励信号，只利用现场生产中自然存在的扰动信号进行辨识试验，试验结果准确可靠。     

热交换器动态特性研究

本文从飞机空凋系统温度调节的需要出发,首先以集中参数模型的形式,用理论推导的方法,求得热交换器的动态数学模型的结构形式。然后,为了使热交换器的动态数学模型更加符合实际热交换器,文中提出不用理论推导的方法求得热交换器动态数学模型的模型参数,而用辨识实验的方法求得热交换器动态数学模型的模型参数。文木提出了热交换器动态特性的计算方法,即微分方程数值计算方法在其模型参数是状态参数函数的热交换器动态特性计算中的具体应用。并且以欧拉法为例,论述了热交换器动态特性计算的具体公式和步骤。     

基于PAM-CRASH的蒙皮典型结构高速冲击仿真

以典型蒙皮结构为研究对象，分别对由2024－T3铝合金和碳纤维复合材料交替层压而成的FMLs以及2024－T3铝合金蒙皮进行高速冲击有限元仿真，并进行了损伤对比。其中，铝合金层和碳纤维层均采用最大应变准则。利用碰撞模拟分析软件PAM-CRASH以及采用SPH弹体对冲击模型进行仿真，结果显示在相同冲击能量下，加了支承结构的蒙皮在损伤抗性方面有了明显提升，并在此基础上分析不同的纤维铺层角度和铺层方式对FMLs蒙皮性能的影响。     

基于TC783A的三相电动机缺相保护电路的设计与实现

介绍用于三相电动机缺相保护装置的设计方法,采用集成芯片TC783A为核心元件实现,有效地解决三相电动机其他保护元件的局限性。具有快速切断控制回路电源的功能及缺相指示和相序指示,试验证明系统工作性能良好。     

基于等效板的含离散源损伤机翼结构分析

研究离散源损伤对机翼结构的影响,可以大幅度提高飞机在不良损伤事故下的生存能力.由于机翼内部结构复杂,很难对含离散源损伤机翼结构进行精确分析,而且精确的建模和仿真在建模与计算过程中往往也非常耗时.因此,以含离散源损伤机翼为对象,采用有限元优化设计方法,确立了一种机翼结构等效板模型的建模方法.建立的等效板模型可对含离散源损伤机翼实现快速、准确的静力学和动力学分析.     

基于损伤检测的飞机结构腐蚀损伤预测方法对比研究

针对飞机结构材料易腐蚀特点,采用 BP 神经网络算法、数据拟合方法、指数平滑预测三种方法,对飞机铝合金结构腐蚀损伤进行预测对比分析。预测结果及其误差以及对比分析图表明,BP 神经网络算法所构建的网络预测模型对一定腐蚀周期内的腐蚀损伤有较好预测能力,指数平滑预测方法和幂函数数据拟合方法对一定腐蚀周期之外的腐蚀损伤预测有较好的外延性。     

RFID技术在航空领域的应用研究

射频识别(RFID)技术现已广泛用于物流、金融、零售等各个行业.航空领域的RFID应用起步较晚,通过对RFID技术在飞机制造商、原始设备生产厂家(OEM)、航空公司的一些典型的应用案例的分析,提出RFID技术应用于航空领域所面临的挑战及必要性,为其未来航空业自动识别技术的发展指明了方向.     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.