Designing method of acceleration and deceleration control schedule for variable cycle engine

Studies show that different geometries of a Variable Cycle Engine (VCE) can be adjusted during the transient stage of the engine operation to improve the engine performance. However, this improvement increases the complexity of the acceleration and deceleration control schedule. In order to resolve this problem, the Transient-state Reverse Method (TRM) is established in the present study based on the Steady-state Reverse Method (SRM) and the Virtual Power Extraction Method (VPEM). The state factors in the component-based engine performance models are replaced by variable geometry parameters to establish the TRM for a double bypass VCE. Obtained results are compared with the conventional component-based model from different aspects, including the accuracy and the convergence rate. The TRM is then employed to optimize the control schedule of a VCE. Obtained results show that the accuracy and the convergence rate of the proposed method are consistent with that of the conventional model. On the other hand, it is found that the new-model-optimized control schedules reduce the acceleration and deceleration time by 45% and 54%, respectively. Meanwhile, the surge margin of compressors, fuel–air ratio and the turbine inlet temperature maintained are within the acceptable criteria. It is concluded that the proposed TRM is a powerful method to design the acceleration and deceleration control schedule of the VCE.     

Morphological Undecimated Wavelet Decomposition Fusion Algorithm and Its Application on Fault Feature Extraction of Hydraulic Pump

Since vibration signals of hydraulic pump are mostly nonlinear and traditional fusion algorithm cannot satisfyingly process them,a morphological undecimated wavelet decomposition fusion(MUWDF)algorithm is proposed.Firstly,under the framework of morphological undecimated wavelet decomposition(MUWD),multi-channel signals are decomposed.Approximate signals of all decomposition layers are selected by feature energy factor and fused according to the presented fusion rules.Furthermore,specific method for optimal selection of MUWDF parameters is presented to avoid subjective influences.Finally,the proposed algorithm is verified by simulation signals and pump vibration signals.     

一种基于图像的星体表面撞击坑自动提取方法

以星体表面的图像数据为基础,根据撞击坑的向阳面呈亮色调而背阳面呈暗色调的原理,提出了一种基于图像的星体表面撞击坑自动提取方法。该方法先用自适应双阈值分割法对星体表面的光学图像进行分割处理,获取图像中明暗区域的形状和位置信息;再用统计学原理分析明暗区域组成结构、像平面上光照方向,结合相关的约束条件来匹配同一撞击坑的明暗区域,同时拟合出撞击坑的外边缘并确定其半径、位置等信息。实验结果表明,该方法能够从常见的星体表面光学图像中快速、可靠地提取出撞击坑的中心位置和半径大小,具有较宽的普适应性和一定的应用价值。     

直升机滑油散热器动态性能分析

滑油散热器的动态特性是直升机滑油冷却系统设计的基础,使用模块化集总参数法建立了直升机滑油散热器的动态仿真模型,采用Laplace变换建立动态传递函数,结合动态仿真模拟曲线的比较以及传递函数的分析,对热侧和冷侧入口温度阶跃变化时的热侧出口温度动态响应性能进行分析,得到了影响动态性能的重要影响参数——芯体蓄热时间常数τw以及热侧温度随流动时间τ变化的时间常数hτ,从而可通过改变这两个重要影响参数来有效改变散热器以及系统的动态延迟时间.通过散热器动态实验测量,验证了模型的正确性.研究成果可有效改进散热器以及系统的动态性能,以及指导散热器与系统的优化耦合设计.     

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达（synthetic aperture radar,SAR）自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机（support vector machine for regression,SVR）并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计．再由SVR完成精确估计。利用“运动与静止目标的获取与识别”（moving and stationary target acquisition and recognition, MSTAR）项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强．特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

智能赋能流体力学展望

人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。     

风环境下行驶于大跨度桥梁上的车辆安全评价及影响因素研究

建立了风环境下行驶于振荡桥梁上的车辆受到侧向突发阵风时的车辆安全性分析方法.定义了包括侧翻、侧滑和偏转在内的三种风致车辆事故.在综合考虑路面粗糙度、车辆悬挂系统以及车轮相对于桥面侧向相对滑动的基础上,提出了能够考虑桥梁的静风响应、抖振响应、汽车一桥梁耦合振动、系统的时变特性以及结构几何非线性和气动荷载非线性影响的风一汽车一桥梁系统空间耦合分析模型,编制了相应的分析程序.以杭州湾跨海大桥为工程实例,运用所编制的程序研究了路面粗糙度、风速以及干、湿、雪、冰路面状况对行驶于桥梁上的车辆安全性的影响,给出了典型车辆在桥梁上发生事故的临界风速,并与车辆行驶于路面上的相应值进行了对比;对比表明:振荡的桥梁会降低车辆发生事故的临界风速.     

基于神经网络规则提取的航空发动机磨损故障诊断知识获取

针对神经网络智能诊断与专家系统中知识难于理解和诊断解释能力差等问题,研究了一种新的基于功能性观点的神经网络规则提取方法,介绍了方法流程及关键算法.并用UCI(加利福尼亚大学埃尔文分校)机器学习数据对方法进行了分析和验证.最后,将方法应用于实际航空发动机磨损故障诊断中,采集了某型航空发动机实测油样光谱数据237个样本,利用神经网络规则提取方法提取了发动机磨损故障诊断知识规则,并对其进行了解释,结果表明了方法的正确有效性.