固体火箭发动机推力向量控制系统动力学计算

针对某固体火箭发动机推力向量控制系统运动中接头内部受力状态复杂且试验难以测量的问题,建立了该系统动力学计算模型,计算了接触数组参数,对该发动机推力向量控制系统进行了多体动力学计算。得到了系统运动规律,接头内滚动体与阴、阳球体间的接触力、摩擦力矩和系统作动力矩。最后通过与理论计算和冷摆试验结果的对比,验证了建模和计算的合理性,得到了更接近实际的结果。     

月球软着陆的二次型最优制导方法

为实现在月球表面指定区域的精确软着陆,研究了月球软着陆的线性二次型最优制导方法。利用简化的轨道动力学模型,给出了一种基于状态和能耗最优的软着陆二次型制导方法。由于制导律要求同时提供3个方向的时变推力,所以需要通过变推力发动机和姿态机动来实现。该制导方法虽能满足精确软着陆的需要,但对姿态变化的要求超出了着陆器姿态机动能力。因此,本文修正了二次型最优制导方法,取消了对轨道参数的过程约束,仅对其终端进行约束,通过求解着陆指定目标点的能耗最优两点边值问题,得到了发动机推力大小和方向的显式表达式。研究结果表明,利用一定的姿态机动能力,修正的制导方法能够满足精确软着陆的需要。     

基于多学科参数化建模和灵敏度分析的飞行器分级优化设计方法

提出一种将飞行器参数化建模、灵敏度分析与气动/隐身综合优化设计相结合的方法.该方法的流程为:(1)建立面向多学科设计的参数化模型,提取分级参数;(2)对分级参数进行灵敏度分析,筛选设计变量;(3)基于分级优化流程,应用多目标优化算法进行飞行器气动/隐身综合优化设计.以一个四尾翼布局飞行器气动/隐身综合优化设计为例,阐述流程的实现过程,结果表明这种方法具有如下优点:(1)多学科参数化建模为气动和隐身性能分析提供统一的参数化模型;(2)使用灵敏度分析工具对分级设计参数进行筛选,精简优化设计任务;(3)基于分级参数和灵敏度分析进行分级优化设计,优化适应值提高56.1%,耗时减少57.02%.     

登月飞行器软着陆的非线性最优控制

主要考虑登月飞行器软着陆控制的问题。制导律和控制器的设计分两步完成。首先，利用一个微分同胚变换和一个非线性输入补偿，可以将登月飞行器的非线性动态模型转换成一个线性系统。然后利用经典最优控制理论中的由拉方程，标准最优制导律的解析解既可给出。第二步，利用日。控制理论，我们设计了一个最优反馈控制器保证了实际系统可以鲁棒渐进追踪最优标准轨道。最后通过仿真，可以看出飞行器实现了软着陆控制，着月速度小于给定值，说明方法的可行性和有效性。     

带倾角合成射流激励器对低速主流矢量控制研究

基于全流场计算模型——X-L,对带倾角合成射流激励器控制宏观低速主流流动进行了数值分率的情况下,可使主流流动方向发生大幅度析和机理研究。结果显示,激励器出口倾角对主流矢量角控制影响很大,在不增加输入功偏转。在激励器存在出口倾角情况下,各状态参数和激励器布置位置对主流矢量影响按规律变化且存在最佳值。压强梯度的存在和旋涡的卷吸作用是合成射流激励器控制宏观低速流流动方向的主要因素。     

基于引力球结构支持向量机多类算法的涡轮泵故障诊断

在涡轮泵故障诊断中，多类故障诊断是经常出现的问题。为提高多类故障诊断速度，在球结构支持向量机的基础上，提出一种引力球结构的支持向量机多类算法，该算法充分考虑样本分布疏松程度，经过试验优化分析得到最佳分类引力公式。用该算法和其他常用算法对涡轮泵仿真故障进行分类比较，结果表明基于引力球结构的支持向量机故障诊断算法学习速度快，诊断效果好。     

基于融合信息(火用)的转子振动故障SVM诊断方法

通过提取信息(火用)特征,提出基于融合信息(火用)的转子振动故障支持向量机（SVM）诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息(火用)特征;最后,将提取到的信息(火用)特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明：将信息(火用)特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.     

基于SVM和SNN的航空发动机气路故障诊断

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.     

TC17钛合金激光喷丸应力场及支持向量机应力热松弛模型

对TC17钛合金进行了不同功率密度下激光喷丸强化,使用X射线衍射仪测试了激光喷丸冲击波诱导的残余压应力场的分布,测试了不同温度真空保温下残余压应力的热松弛规律,最后基于支持向量机理论建立了残余压应力热松弛预测模型,并用试验结果对模型进行验证.研究表明:TC17钛合金在功率密度为4GW/cm2时表层残余压应力场最佳;残余压应力在280℃和450℃真空保温150min后分别有11.24%和27.11%的松弛;在280℃和450℃交替保温160min后应力松弛33.9%;残余压应力在试验温度保温160min后有大部分剩余,可以有效提高TC17钛合金抗疲劳性能、基于支持向量机的预测模型能够较精确的表征TC17钛合金的应力松弛规律,满足工程使用要求,对其他材料表层残余压应力热松弛分析具有借鉴意义.      

Aero-engine fault diagnosis applying new fast support vector algorithm

A new fast learning algorithm was presented to solve the large-scale support vector machine ( SVM ) training problem of aero-engine fault diagnosis.The relative boundary vectors ( RBVs ) instead of all the original training samples were used for the training of the binary SVM fault classifiers.This pruning strategy decreased the number of final training sample significantly and can keep classification accuracy almost invariable.Accordingly , the training time was shortened to 1 / 20compared with basic SVM classifier.Meanwhile , owing to the reduction of support vector number , the classification time was also reduced.When sample aliasing existed , the aliasing sample points which were not of the same class were eliminated before the relative boundary vectors were computed.Besides , the samples near the relative boundary vectors were selected for SVM training in order to prevent the loss of some key sample points resulted from aliasing.This can improve classification accuracy effectively.A simulation example to classify 5classes of combination fault of aero-engine gas path components was finished and the total fault classification accuracy reached 96.1%.Simulation results show that this fast learning algorithm is effective , reliable and easy to be implemented for engineering application.