基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法,敏感器数据融合前必须先修正低频误差。首先,介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次,针对传统算法的不足,提出了基于纵向滤波的低频误差在线估计算法,该算法将传统低频误差估计问题转化为若干个常值误差估计问题,提高了估计精度。最后,给出了该算法具体实施方式,说明相关参数物理意义及选取原则。通过理论分析及仿真,算法误差可忽略不计。通过在轨数据仿真,星敏感器轨道周期低频误差可被消除。     

进口流量对无管式减涡器流阻特性影响研究

为分析进口流量对压气机引气系统无管式减涡器压力损失的影响及无管式减涡器减阻效果,采用数值模拟与试验研究相结合的方法对无管式减涡器开展研究,并与直喷嘴模型进行了对比。模型试验验证了数值模拟方法的可靠性,通过数值模拟,建立了无管式减涡器流阻特性"S"形曲线三分区模型,分析了无管式减涡器各截面间压力损失及其占比随无量纲质量流量变化规律。在计算流量范围内,与直喷嘴模型相比,无管式减涡器平均可降低压气机引气系统压力损失约45.9%。在第二拐点处,共转盘腔内压力损失降低了96.44%,此时无管式减涡器减阻效果最佳,较直喷嘴模型压力损失降低了73.44%。     

1 种新型燃油分配方案设计

针对航空发动机分级燃烧燃油分配的高精度、变比例需求，提出了1 种基于主、副油路分路计量的新型燃油分配设计方 案，并对该方案进行了理论分析以及仿真和试验验证。结果表明：该方案的燃油分配精度高，燃油分配比例调节灵活，可以满足发动 机日益复杂的低污染设计和控制的需求；在主、副油路同时供油时，燃油分配最小比例与泵后压力负相关，与副油路喷嘴节流特性 正相关。     

临近空间动能拦截器神经反演姿态控制器设计

为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数（RBF）神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率（PSR）脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制（PWPF）调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。     

基于全过程移动监督技术的感应电机定子绕组温度实时监测系统

随着物联网技术的发展,如何将物联网技术与非侵入式电力设备运行状态监测技术相结合成为当前研究热点之一。为了探索基于物联网技术的电气设备运行状态监测新模式,以感应电机定子绕组温度的非侵入式在线监测为出发点,首先提出了一种基于自适应法和最小二乘法的电机定子绕组温度辨识方法,并结合当前物联网技术的发展,设计了一种基于全过程监督技术的感应电机全寿命周期监督定子温度监测系统。以1台5.5 kW感应电机为例进行试验验证,结果表明该系统具有较强的鲁棒性。所提出的理念和技术可以为其他大型电力设备的状态监测提供重要参考和技术支撑。     

基于在线学习的数控加工刀具寿命动态预测方法

预测刀具寿命对保证零件质量和控制加工成本意义重大,但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,提出了一种基于在线学习的刀具寿命动态预测方法,以长短时记忆网络为基础模型,融合在线学习模块,使得模型能够在加工过程中自动更新参数,实现变工况下刀具寿命的精确预测。进行了铣削加工试验,结果表明,刀具寿命动态预测方法可以有效提升刀具寿命预测精度。     

改进型主泵调节器性能标准研究

主泵调节器是涡扇发动机的重要组成部分,在研制过程中其功能结构往往根据需要进行优化改进,研究其改进优化的变化对于制定维修计划有非常重要的意义。本文依据某改进型主泵调节器配装的发动机控制规律及设计参数,采用理论推算确定该主泵调节器大慢车转速特性、高导叶片的角度特性、加速供油特性等性能参数,并通过局部及整体综合试验等验证方法形成其关键性能标准。     

某型发动机低压压气机导叶角度偏关故障分析与排除

针对某型发动机低压压气机导流叶片角度低于标准值即偏关的故障,详细分析了故障现象,阐述了低压压气机导流叶片调节通道工作原理及控制计划,剖析故障机理。根据所制定的排故流程,提出并分析了可能引发该故障的综合电子调节器、电路、传感器故障模式,最终确定综合电子调节器故障导致低压压气机导流叶片角度低于标准值。更换综合电子调节器,进行外场试车验证。结果表明:发动机工作参数正常,推力稳定,低压压气机导流叶片角度符合要求。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。