涡扇发动机气路故障定量诊断的BP网络研究

为了克服ＢＰ算法收敛速度慢的问题,提出了一种基于混合学习规则的ＢＰ算法,并采用模归一化方法,成功地定量组织了故障的学习样本,建立了能够定量分析发动机气路部件故障的人工神经网络（ＢＰＮ）。通过分析测量系统随机误差的影响和实际试车数据的效验结果,表明该网络具有较强的推广能力及适应性,能基本满足故障定量诊断的要求,并具有较好的工程实用性。     

改性双基推进剂老化燃烧性能实验研究

用Ｘ射线实时荧屏分析系统对人工加速老化的改性双基推进剂的燃烧性能进行试验研究,结果表明,人工加速老化对双基推进剂的燃速影响不大,但对推进剂的装药结构性能有较大影响。试验发现在７０°Ｃ的老化温度下２４天后,推进剂的结构破坏导致异常燃烧现象明显,辅助试验表明,６０°Ｃ９０天可以认为是该种推进剂的安全界限     

应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

应用BP-ART混合神经网络的推进系统状态监控实时系统

应用ＢＰ－ＡＲＴ混合神经网络提出了一种供推进系统状态监控实时使用的系统,其拓扑结构为： 第一层处理单元由ＢＰ神经网络组成, 每个ＢＰ网络代表一个相应的推进系统组件; 第二层处理单元为一个ＡＲＴ神经网络, 网络的每一个输出代表推进系统的一种“健康状态”, 据此可对其故障进行“诊断”。该混合结构充分发挥了两类网络的优点, 给出的具体应用实例也显示出在推进系统实时状态监控与故障诊断应用中的有效性     

基于人工蜂群算法与NURBS的吸附式叶型优化设计

为提高轴流压气机吸附式叶型优化设计的质量,设计了一套基于人工蜂群(ABC)算法和非均匀有理B样条(NURBS)的自动优化设计系统.对人工蜂群算法的运行机制进行了深入分析,并与目前广泛使用的遗传算法(GA)进行了对比.对比发现人工蜂群算法可以更好地逼近全局最优值且收敛效率提高50%.使用NURBS对叶型进行参数化,并研究了参数化过程中的畸变问题.将抽吸参数与叶栅参数同时作为优化变量,使用该系统对一吸附式叶栅进行了优化.结果显示:抽吸槽设置在58.44%轴向弦长位置处流动损失下降明显,与优化前未抽吸叶型相比流动损失降低64.8%,气流分离得到有效抑制.     

基于CST方法的吸附式压气机叶型及抽吸方案耦合优化设计

为了探索吸附式叶型设计特点,研究了一种将类别形状函数变换法(CST)方法和人工蜂群算法相结合,利用2D程序作为流场求解器,对吸附式叶型和抽吸方案进行耦合优化设计的新型吸附式压气机叶型设计方法,并且详细论证了CST方法用于吸附式叶型优化设计的可行性。研究结果表明:耦合优化设计之后在保证叶型强度未下降的基础上总压损失降低了65%,气流转折角增加了3°,气动性能得到较大的提升。针对所优化的进口高亚声速的吸附式叶型,通过适当改变叶型前缘处的型面,可以较好地控制气流马赫数,避免产生激波,从而防止附面层厚度增加,降低叶型损失。     

Bernoulli-Euler梁振动的人工神经元网络控制方法

分析了Bernoulli-Euler梁的振动特性,从控制系统的角度得出梁振动控制系统的传递函数,并采用人工神经元网络的方法对其进行控制,辨识器及控制器均采用非线性神经元网络, 最后用matlab对振动控制系统进行仿真。     

带人工雨线的斜拉桥拉索模型测压试验研究

斜拉桥拉索风雨激振是当今国际风工程和桥梁工程研究人员非常关注的问题.为了掌握风雨激振时拉索的气动力特性,研究人员对风向角为0°时带人工雨线的拉索模型进行了测力试验.但至今人们尚未测量过风向角不为0°时带人工雨线的拉索模型上的气动力.本文设计、制作了可方便调节拉索模型倾角和风向角的试验装置以及用于测压试验的带人工雨线的拉索模型,并在风洞中进行了细致的试验.试验得到了具有典型倾角的拉索在不同风向角下,拉索模型上的平均风压和脉动风压系数,以及气动力系数.这些结果为建立精细的理论模型提供了基础.     

液体火箭发动机高速涡轮泵的振动故障检测

讨论了涡轮泵故障的几个主要原因，据此提取涡轮泵振动数据的特征，用BP神经网络的方法进行故障检测。BP神经网络的训练样本集由一个具有无监督聚类功能的神经网络从原始的特征向量集获取。