基于二维频谱方法的直升机噪声源的分辨与提取

针对直升机飞行时其噪声中多种噪声源相互混叠难以分辨的问题,通过随机信号理论分析,结合直升机噪声信号的特点,发展了基于二维频谱分析的直升机噪声源分辨与提取模型及方法,在此基础上将该方法应用于剪刀式尾桨直升机尾桨噪声信号的频域提取与分析.本文首先推导了这种方法的理论模型,并给出相应的求解方法;然后采用该方法分别对模拟和实测的直升机总体噪声信号进行分析,计算结果表明该方法可以有效地提取出总体噪声中的各谐波成份.最后通过对剪刀式尾桨直升机噪声的分析,获得了剪刀式尾桨降噪的机理.     

一种改进的航空发动机结构概率风险评估方法

针对航空发动机适航条款FAR33.75中关于发动机限寿件(ELLP)结构失效概率要求,提出了一种基于Kriging和蒙特卡罗半径外重要抽样(MCROIS)混合的结构概率风险评估方法。该方法针对ELLP高维、小失效概率事件以及极限状态函数为隐式、高度非线性的特点,利用Kriging元模型模拟隐式极限状态函数,然后通过主动学习迭代算法,计算最优点(MPP,最接近设计验算点的样本点),更新实验设计(DOE)并提高Kriging元模型的模拟精度。在此基础上,利用Kriging元模型确定最优抽样半径,构造半径外重要抽样密度函数,在最优抽样半径确定区域进行抽样,通过构造主动学习函数,使样本点更多落在抽样半径确定的球区域附近,加速失效概率计算的收敛,并构建了ELLP风险概率模型,解决了高维、小失效概率事件以及隐式、非线性极限状态函数的发动机结构概率风险评估难题,以某型发动机低压压气机轮盘为应用示例,与传统的蒙特卡罗仿真(MCS)方法进行了对比,验证了该方法的高效率、鲁棒性和仿真精度。     

预设堵块法检测进气道自起动能力的数值研究

在进气道内预先设置轻质堵块迫使进气道不起动,堵块被气流吹出后流道恢复畅通,为激波风洞提供了一种检测进气道自起动能力的方法。为了深入认识预设堵块方法的检测过程,将堵块简化为一个自由度的刚体运动,采用k-ωSST湍流模型,结合铺层动网格技术,对该检测方法进行了二维非定常数值模拟。在Ma_∞=5.9条件下,采用改变堵块质量的方式,获得了三种典型的检测过程。通过分析堵块在气动力作用下的运动与进气道非定常波系演化相互耦合的过程,揭示了堵塞作用产生和消除的流动机理。结果表明,堵塞时间没有显著地改变进气道的自起动能力,预设堵块方法成功检测到进气道在Ma_∞=4.9自起动。此外,建立了预估堵块运动的匀加速模型,预估的堵塞时间与数值模拟结果较为符合。在Ma_∞=5.9条件下,堵块的临界质量约为3.8g。考虑到激波风洞实验时间短暂,应选择合适的堵块。     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。     

穿越微下冲气流的飞翼布局无人机控制方法

微下冲气流是最危险的低空风切变形式,为在起降阶段安全穿越该气流,飞翼布局的无人机控制律应具有快速响应能力和良好的鲁棒性。针对大展弦比飞翼布局无人机舵面附加升力大和低速状态俯仰操纵效能低的特点,提出了舵面附加升力和机体气动力相结合的复合控制方案,改进了以输出误差为参考量的非线性指令分配策略,设计了基于迎角保护的指令分配策略。将风干扰和模型的不确定性视为未知扰动,采用自抗扰控制(ADRC)理论设计飞翼布局无人机非线性控制律,使之对风干扰和模型的不确定性进行估计补偿。仿真结果表明,复合控制与ADRC相结合的方法加速了航迹倾角的单位阶跃响应速度,使上升时间缩短了64%,同时能够实现对风干扰的有效观测和补偿,使高度损失低于2m;能够在风切变中有效保护迎角,使其维持在5.5°以内。因此,该方法能够为飞翼布局无人机安全平稳地穿越微下冲气流提供一种参考方案。     

内压缩段构型对高超声速进气道自起动性能的影响

为了探寻内压缩段构型对高超声速进气道自起动性能的影响,对二元高超声速进气道折角型和曲线型两种内压缩段的自起动过程进行准定常数值仿真研究.对比了这两种构型进气道在不同唇罩起始压缩角下的自起动性能和自起动过程中分离区的变化规律,并分析了内通道压缩强度沿程分布对进气道自起动性能的影响.研究表明:①即使进气道内收缩段的内收缩比相同,不同的内压缩段构型和唇罩起始压缩角对高超声速进气道的自起动性能影响显著,曲线型内压缩段构型的自起动性能明显优于折角型;②内压缩段的总压缩强度及其沿流向分布都是影响高超声速进气道自起动性能的关键因素,并且压缩强度沿流向分布决定着进气道在自起动过程中处于临界状态下主分离包所停留的位置.      

攻角与马赫数对进气道起动影响的可比拟性

针对高速风洞变来流马赫数的能力有限,不易获得高超声速进气道起动马赫数界限的问题,本文尝试通过改变进气道模型攻角的方法来模拟来流马赫数的变化,分析定来流马赫数变攻角与定攻角变来流马赫数两种途径下二元进气道起动性能之间的关系,以助于风洞实验获得进气道的起动马赫数界限。结果表明,在Ma∞=5.9来流条件下,进气道不起动和自起动的临界攻角分别在12°~13°和0°~1°。定来流马赫数变攻角与定攻角变来流马赫数两种途径下,进气道不起动和自起动临界所对应的内收缩段入口马赫数基本一致。对于同一内收缩段入口马赫数,当变攻角跨度小于4°时,两种路径下进气道的内部流场与壁面压力分布规律符合较好;当变攻角跨度较大时,两者的差别也增大。对于二元高超声速进气道模型,当常规风洞的来流马赫数在进气道起动边界附近时,在一定的攻角范围内,可以尝试通过攻角机构连续改变模型安装攻角的办法来模拟变马赫数引起的进气道起动特性的演变过程。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

一种基于蜂拥策略的分布式无人机编队控制方法

在无人机编队控制中,传统的主从式集中编队控制方式需要大量信息交互,对机间通信的要求较高.针对具有虚拟领航者的分布式无人机自组织编队跟踪问题,运用有界蜂拥算法对无人机模型进行求解.首先,提出了一种有界控制输入的蜂拥算法,并对算法的稳定性进行了分析;其次,对无人机进行了建模,提出了虚拟受力点的概念,并对虚拟受力点进行受力分析,将算法中的加速度转化成无人机径向速度与偏航速度的更新,以达到分布式无人机编队自组织以及跟踪虚拟领航者的目的;最后,通过仿真验证了算法和模型的有效性.     

深度自编码观测器飞机操纵面快速故障诊断

为了避免扩展多模型自适应估计故障诊断方法中的雅克比矩阵计算,解决飞机精确模型难以获得的问题,降低在线故障诊断的计算量,提出了一种基于深度自编码观测器的飞机操纵面快速故障诊断方法.基于离线训练、在线估计的思想,采用量测的飞行数据训练得到不同故障下的飞机模型,代替扩展多模型自适应估计方法的卡尔曼滤波器进行状态估计;基于基础自编码器的隐层节点数选取经验公式,推导了两种深度自编码器的隐层节点数选取的递推公式.仿真结果表明,该方法无需精确的飞机模型,故障诊断速度快、精度高.