飞机地面空调车变速箱故障早期实时诊断系统

本文提出了飞机地面空调车变速箱故障早期实时诊断系统的“准DMA工作方式”,给出了满足“准DMA工作方式”的最简硬件结构原理。提出了从强噪声背景下提取故障早期周期性信号的方法：“循环加权自相关”,并对这一方法进行了计算机仿真,给出了仿真曲线。并给出结论：当用“循环加权自相关”提取淹没在强平稳随机噪声中的周期性信号时,不受机械装置的限幅或测试仪器饱和特性的影响。     

线位移差分传感器检测与自监控电路的设计

针对三余度舵机系统对LVDT调理电路具有自监控功能的要求，提出了一种LVDT自监控信号的检测方法。在此基础上，运用时分复用技术，设计了采用一片LVDT信号调节芯片同时检测输出LVDT位移量信号和LVDT故障监控信号的调理电路。并对电路的线性度和故障检测能力进行了实验和分析。     

高速冲击射流流场特性与噪声机理的研究

利用纹影方法和高速摄影得到了高速冲击射流在不同压比下的流场结构，发现在马赫盘出现之前，冲击射流的流场是整体振荡的；而马赫盘出现之后，冲击射流的流场振荡局限于马赫盘与冲击平板之间，且此时离散频率的冲击单音也明显减弱甚至消失，这意味着马赫盘的形成可一定程度地抑止反馈环的形成。     

FL-7风洞M数的模糊控制方法

FL 7风洞是以三台航空发动机为动力的跨音速风洞 ,通过调节发动机转速、柔壁及旁路活门开度来实现对M数的控制。影响M数的因素较多 ,很难建立精确的数学模型 ,为了提高M数控制速度和精度 ,在新改造的FL 7风洞测控系统中 ,采用了模糊控制、自学习等控制策略 ,取得了良好的效果。笔者对控制方法和控制规则作了介绍。     

离心压气机自循环机匣处理扩稳机理分析

自循环机匣处理能大幅提高离心压气机的稳定工作裕度,其回流的抽吸和二次注入具有明显的宏观流动特征。将主流按与二次注入流是否发生掺混分为掺混主流和无掺混主流两股流体,并将离心叶轮按导风轮和工作轮两个压缩部件对自循环机匣处理的作用机理分别进行了分析。数值模拟结果表明:回流流量、回流二次注入的预旋角以及二次注入流占用主流道流通面积的大小是自循环机匣处理扩稳的3个重要因素;二次注入流通过直接掺混和挤占流道使主流收缩加速两种方式减小了导风轮的进气攻角;机匣处理同时加大了导风轮和工作轮尖部的流通能力,抑制了导风轮的叶尖分离,改变了导风轮展向的载荷分布,在减小导风轮尖部载荷的同时提高了工作轮叶尖的做功能力,从而延缓了流动失稳的发生。     

一种方向舵-螺旋桨联用的全翼式太阳能无人机横航向控制方法

以全翼式太阳能无人机（UAV）为研究对象,针对无副翼状态下横航向控制问题,提出了采用方向舵偏转和螺旋桨差动进行横航向控制的方法。首先,分析了两个螺旋桨条件下该类无人机横航向的稳定性与操纵性;然后,基于线性自抗扰控制（LADRC）理论,以方向舵偏和螺旋桨差动为控制输出,分别设计了滚转角控制器和偏航角控制器。最后,结合滚转角控制和偏航角控制的优缺点,在L1轨迹跟踪算法的基础上设计了方向舵和螺旋桨联用的直线轨迹跟踪器。仿真结果表明：所设计的控制器具有较好的控制性能、鲁棒性和抗风性。同时参数整定过程相对简单,并采用实际可测的物理量,为进一步工程应用提供参考。     

无人动力伞自适应ADRC-Smith航向控制方法研究

无人动力伞航向控制中的延迟、惯性会导致单纯的PID控制器效果变差,甚至引起系统振荡。对此,提出了一种自适应ADRC-Smith航向控制方法。鉴于Smith预估器虽然能够消除系统延迟产生的不良影响,但其对模型的精度要求较高,因此采用自适应Smith预估方法将模型参数变化视为建模误差,对预估模型的过程增益作自适应变化,从而降低对模型精度的要求,而系统未知的延迟时间利用试验数据和三层BP网络离线辨识获得。为了进一步优化系统的调节过程,消除静态误差,将自抗扰控制与自适应Smith预估器进行了结合。通过仿真,验证了所提出的方法对具有延迟特性的无人动力伞航向控制系统具有较好的过渡过程性能、跟踪精度及一定的抗干扰能力。     

湍流贫燃预混射流火焰的大涡模拟

为了研究高Karlovitz(Ka)数下湍流预混火焰的驻定机制和火焰结构,采用化学热力学建表方法结合假定概率密度函数(PDF)模型,对值班预混射流火焰(PPJB)进行大涡模拟(LES)研究。选取自点火模型作为建表模型,使用假定PDF模型考虑湍流和化学反应之间的相互作用,其中假定双混合物分数的概率密度分布为Dirichlet分布,反应进度变量的概率密度分布为β分布。模拟结果表明,能较好预测PPJB火焰的温度和主要组分的分布。使用中间组分(CO和OH)的质量分数来定性描述PPJB火焰结构,结果表明高Ka数下火焰结构受到湍流涡旋的显著影响。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。