表征某型发动机工作状况的特征参数研究

通过总结某型发动机的使用经验，提出了表征该型发动机工作状况的特征参数，并利用样本数据对所提出的特征参数进行了验证。结果表明，所提出的特征参数能够较为有效地反映发动机的工作状况，为发动机的状态监测和故障诊断提供了依据。     

磨料特征参数的筛选及权分析

本文基于概率分布性及模糊理论，提出一种新的用于对众多特征参数进行筛选的方法。     

小子样理论应用于卫星地面站性能预估的设想

卫星地面站性能预估技术是保障星地任务安全运行的基本措施之一,它能对设备故障的发生做出早期的预报、诊断并提出对策建议。基于小子样(Bayes)理论的卫星地面站性能预估技术通过把小样本事件和大量验前信息进行融合处理,同时与先进的仿真技术相结合,能够解决目前众多不能解决的复杂问题。     

舵机特征模型及其故障检测方法

舵机故障诊断对于提高飞行安全十分重要,传统方法面临着载荷时变不确定及自身存在速率饱和非线性等难题,往往会给诊断结果带来影响,导致虚警。为解决该问题,提出了一种舵机特征模型及其故障检测方法。首先根据舵机通频带和饱和速率2个外特性建立诊断用特征模型,然后采用状态观测器计算舵机转速和位置的响应参考值,最后根据转速和位置实际值与参考值的残差是否超过预设阈值来判断舵机的电机和驱动器是否发生故障。该方法可以有效避免因舵机载荷不确定及自身速率饱和所引起的虚警,同时,由于特征模型仅与通频带及饱和速率有关,故该方法具有简单、实用性强等显著优点。     

铁路隧道缓冲结构空气动力学特性的试验研究

为了研究高速列车进入隧道时在隧道内所产生的空气动力学问题，开发了一套以压缩空气作为动力来驱动列车模型的缩尺模型试验装置。通过模型试验系统对高速列车突入带开口型入口(即缓冲结构)隧道所产生的复杂压力场进行模拟，通过分析模型试验结果中的压力及压力梯度曲线所表现的规律，对该类型入口削减隧道入口处的最大压力和最大梯度值的效果进行了研究，其削减效果依赖于其各自的特征参数。最后，通过理论推导和模型试验，得到了开口型缓冲结构的最小长度的计算公式。     

基于偏最小二乘回归法的飞机总工时预测模型研究

从影响军用飞机生产制造工时的众多因素中提取出24个飞机总工时影响因素,采用统计学方法结合理论分析对此24个因素进行科学筛选,筛选出飞机最大起飞重量、最大速度、爬升率、最大过载、钛铝合金比例、复合材料与铝合金比例这6个关键影响因素。考虑偏最小二乘回归(PLS)法在处理小样本多元数据方面的优势,采用PLS法对飞机总工时进行预测,预测结果表明PLS预测模型平均检验误差约为10%。该模型在实际使用过程中,只需获得飞机性能指标和材料构成等少数设计参数即可在飞机产品生产制造前对飞机生产制造总工时进行宏观预测,具有参数少、物理意义明晰、操作简单、便于使用、准确率高等特点,可为缺乏详细设计信息和生产信息的飞机研制早期方案优选、设计优化或对其进行费用分析和成本控制、固定资产投资、安排生产计划等工作提供相对准确的飞机产品工时。     

基于无序点云的叶片截面特征参数提取

针对提取航空发动机叶片截面特征参数的实用性要求,研究了基于无序点云数据的叶片截面特征参数提取方法.综合距离法和二分法的优点,采用基于矩形腐蚀法的距离-二分法对点云数据排序,基于最小包容区域直线和最小二乘圆拟合,提出了将整条叶片截面点云数据分割成前缘、后缘、叶盆和叶背4部分的自动分区方法,对特征参数提取方法做了研究并用VC++进行算法实现,使用UG/OpenGrip生成UG中叶片截面上的点云数据进行实验运算,计算精度达到10-4mm,表明在实际测量和参数提取中算法误差可以忽略.      

叶型结冰计算及流场分析

叶型结冰会改变叶型原有的气动外形,影响气动特性。采用 FENSAP-ICE软件对 NACA0012翼型的 结冰进行数值计算,并与试验结果进行对比验证;对压气机进口导叶叶型进行二维结冰计算,并对数值计算结 果进行流场分析。结果表明:明冰对叶型的气动性能影响大于毛冰,叶型气动特性的衰退主要受分离区中上分 离涡的影响,叶型前缘上翘的明冰引起叶型尾部分离区域面积增大,强烈的分离涡导致结冰后叶型压力损失 增大。     

一种改进的数字信号调制方式自动识别算法

数字调制方式的识别对于通信信号分析有着重要的作用。针对数字信号(2ASK,4ASK,2PSK,4PSK,2FSK和4FSK信号)的调制方式,提出了一种改进的数字信号调制识别算法(DMRA),并且对该算法提出了最佳门限的设置方法,使其适用于信噪比在5 dB-30 dB范围内变化的信号。该算法能够快速、自动地识别出已调数字信号的调制方式。计算机仿真表明:当噪声采用高斯白噪声,该算法在信噪比不低于7 dB时,对实际信号的识别正确率不低于92%。     

通用飞机机翼积冰冰形预测

从通用飞机机翼积冰冰形特征出发,确定机翼特征点,通过其对应积冰厚度描绘积冰冰形。提出了一种基于BP神经网络的机翼积冰厚度预测方法,并利用预测厚度还原预测冰形。将预测积冰厚度与实际积冰厚度相比较,预测值与实际值的平均均方根误差为1.893 mm,表明该方法可用于通用飞机机翼积冰冰形预测。