进口导叶形式对核心机驱动风扇级的影响

以某变循环发动机(VCE)所用核心机驱动风扇级(CDFS)为研究模型,数值模拟了CDFS在真实边界环境下的流动特性,分析了单/双涵道工作模式下,不同形式的可调进口导叶(IGV)对CDFS流动特性及性能的影响机理。结果表明:不同工作模式时,CDFS靠导叶角度的开闭实现大范围的流量调节。单涵道(SB)工作模式时,不同形式的可调进口导叶(VIGV)对CDFS性能的影响差异很小;双涵道(DB)工作模式时采用常规可调导叶(CIGV)会在其吸力面产生较大的流场分离,且流通能力和流量调节范围大大降低。可变弯度导叶通过可转动部分的开闭实现CDFS对流量调节的需求;通过固定部分保证CDFS导叶进口气流攻角基本不变,同时在固定部分和可转动部分连接处所形成的收缩通道的加速效应显著抑制了导叶吸力面的流动分离。可变弯度导叶是适用于CDFS在不同工作模式下性能参数及流量调节需求的可调导叶的形式。     

一种双时间尺度函数Wiener过程性能退化模型

为通过性能退化数据评估产品的可靠性,基于广义Wiener过程提出了一种双时间尺度函数模型以描述产品退化过程。采用极大似然估计(MLE)法求解模型参数,推导了其寿命分布(FTD),进而进行可靠度分析和寿命评估。对模型进行了Monte Carlo模拟验证和实例应用,并将目前常用的混合效应Wiener过程模型作为参考方法进行了对比分析。结果表明:根据90%可靠度曲线的定义,该方法较参考方法的结果更为合理、准确。进一步的寿命评估结果表明,该方法与参考方法的平均寿命相差232.9h,90%可靠寿命结果相差109.4h,且参考方法计算结果偏于危险。      

基于三迭代与二阶锥规划的机载MIMO雷达稳健降维STAP方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)中期望目标导向矢量的失配问题,提出一种基于三迭代(TRIA)与二阶锥规划(SOCP)的稳健降维MIMO-STAP方法。首先将MIMO-STAP权矢量分解为发射、接收、多普勒3个低维权矢量的Kronecker积,然后分别限定实际发射、接收、多普勒导向矢量与假定导向矢量之间的误差范数边界,通过优化最差性能,利用SOCP对各个低维权矢量进行三迭代求解,最后进行权矢量合成。该方法在保证机载MIMO雷达获取稳健STAP性能的同时,通过三迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。仿真结果验证了算法的有效性。     

平流层飞艇动力推进系统的分析与设计

针对平流层飞艇螺旋桨与直流无刷(DC)电动机匹配问题,建立了直流无刷电动机模型和螺旋桨模型;结合匹配设计和直流无刷电动机转速控制,在Simulink中设计了螺旋桨与直流无刷电动机控制系统仿真模型,研究飞艇在0~10m/s巡航速度下动力推进系统控制响应问题;采用图形用户界面(GUI)编写螺旋桨与直流无刷电动机匹配界面,开发了一种螺旋桨与直流无刷电动机匹配软件;得到了飞艇在0~10m/s巡航速度下,螺旋桨工作转速为535~1071r/min,动力推进系统工作效率为0.558~0.593时推进系统匹配设计的工作曲线,为高空螺旋桨与电动机的匹配设计提供了参考依据.      

基于LPV状态空间模型的小型航空煤油二冲程发动机喷油控制策略

为了简化基于平均值模型的喷油控制模型的计算,根据线性变参数(LPV)状态空间模型原理,在平均值模型的基础上建立了LPV状态空间喷油控制模型,利用Matlab/Simulink工具对稳态工况和瞬态工况的喷油脉宽控制模型进行仿真,最后在发动机试验台架上进行试验验证.仿真和试验结果表明:①基于LPV状态空间模型的喷油控制模型能够满足瞬态工况和稳态工况控制的要求,计算的喷油脉宽精度略低于平均值模型,由于LPV状态空间模型计算简单,能够直接应用于控制算法的设计,因此在工程中容易实现.②与插值算法相比,基于LPV状态空间模型的控制策略使发动机的动力输出有所下降,主要是由于模型简化造成进气空气流量减小引起的.      

基于涡方法生成大涡模拟进口条件的数值计算

探索改进涡方法来生成大涡模拟的非定常进口条件.改进方法中,为了避免局部漩涡数量过多或者过少,采用密度分布方式放置漩涡场.并用Langevin方程控制漩涡运动,模拟实验方法中的蜂窝器,使改进后的涡方法生成的脉动速度场更加符合湍流的特征.在已知雷诺平均的流场结果下,利用涡方法产生漩涡场,进而生成能满足大涡模拟所需要的非定常进口流场.为了检验改进后的涡方法在生成脉动速度过程中的效果,在槽道中进行了对比数值试验,并借助于直接数值模拟数据做对比,对比分析槽道进出口的平均速度、涡量以及雷诺应力统计,证明改进后的涡方法在生成大涡模拟进口条件下是非常有效的.      

组合卫星导航系统的快速选星方法

分析了选星数目与几何精度因子(GDOP, Geometry Dilution of Precision)及导航运算量的关系,基于遗传算法提出了一种以满足用户定位精度需求为条件的快速选星方法——快速遗传选星法.根据用户需求确定选星数目初值、选星数目最大值和GDOP阈值,构造选星方案的初始种群,在进化代数上限为1的条件下对种群进行选择、交叉和变异运算,获得初始选星解,根据初始解的GDOP与阈值的关系确定是否依据GDOP最小原则对初始解进行优化,直至满足算法终止条件,输出选星解.仿真结果表明,该算法可以在一次进化之内以不低于92.45%的概率满足GDOP阈值在2.5~6的要求,同时可有效降低54.75%以上的导航运算量.      

三角形机翼参数化有限元网格划分与调整方法

为缩短有限元建模周期,提高三角形机翼结构分析、设计与优化的效率疲,首先,以其满足预定气动性能的几何外形为输入,定义了易用的有限元节点与单元的编号规则;基于可设计的机翼内部构型参数及可变的有限元尺寸参数的设置,引入了翼肋贯穿截止准则以满足任意输入的内部构型的初步判断;借助自定义形状矩阵完成了节点布置与单元生成,进一步通过有限元网格细化完成了开口设置、翼肋贯穿位置修正及桁条建模.然后,基于已建立的有限元网格实现了内外侧副翼翼肋位置的小幅调整及旋转舵面的角度调整,以满足不同飞行状态下结构分析需求.最后,应用PCL语言开发了参数化建模模块,实例表明了方法的有效性和模块可靠性.      

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

Towards intelligent design optimization: Progress and challenge of design optimization theories and technologies for plastic forming

Plastic forming is one of enabling and fundamental technologies in advanced manufacturing chains. Design optimization is a critical way to improve the performance of the forming system, exploit the advantages of high productivity, high product quality, low production cost and short time to market and develop precise, accurate, green, and intelligent (smart) plastic forming technology. However, plastic forming is quite complicated, relating to multi-physics field coupling, multi-factor influence, multi-defect constraint, and triple nonlinear, etc., and the design optimization for plastic forming involves multi-objective, multi-parameter, multi-constraint, nonlinear, high-dimensionality, non-continuity, time-varying, and uncertainty, etc. Therefore, how to achieve accurate and efficient design optimization of products, equipment, tools/dies, and processing as well as materials characterization has always been the research frontier and focus in the field of engineering and manufacturing. In recent years, with the rapid development of computing science, data science and internet of things (IoT), the theories and technologies of design optimization have attracted more and more attention, and developed rapidly in forming process. Accordingly, this paper first introduced the framework of design optimization for plastic forming. Then, focusing on the key problems of design optimization, such as numerical model and optimization algorithm, this paper summarized the research progress on the development and application of the theories and technologies about design optimization in forming process, including deterministic and uncertain optimization. Moreover, the applicability of various modeling methods and optimization algorithms was elaborated in solving the design optimization problems of plastic forming. Finally, considering the development trends of forming technology, this paper discusses some challenges of design optimization that may need to be solved and faced in forming process.