基于PINN模型的导弹气动特性快速预测技术

随着内嵌物理机理神经网络（PINN）模型的兴起，PINN模型开始应用于许多学科领域。为了实现导弹气动特性的快速预测，借助工程算法，构建了导弹气动数据集，以此训练导弹气动特性预测模型，包含基于多任务学习的神经网络（MTLNN）模型及在MTLNN模型基础上内嵌物理知识的PINN模型。数值模拟通过选取测试集，对比了MTLNN模型和PINN模型的预测效果，结果表明：PINN模型的预测精度较高，且基本控制在1%以内。探究PINN模型的泛化能力，测试集选取导弹气动数据集包络范围之外的数据，PINN模型预测精度仍然高于MTLNN模型。由于PINN模型引入了气动特性参数之间的物理机理，模型对训练样本数量的依赖程度降低，可以进一步节约数据获取成本，为导弹优化设计提供有力工具。     

高高原低气压环境对锂离子电池循环性能的影响

随着锂离子电池在中国高高原地区及机场的应用，其在高海拔低气压环境下的循环性能及老化机制成为一个亟须解决的问题。对此，在96 kPa-25℃（常温常压）及60 kPa-25℃（常温低压）环境下，通过电池健康状态、直流放电内阻、电化学阻抗、容量增量及微分电压曲线等电池电化学特征参数对NCM523软包锂离子电池的老化行为进行了分析。研究表明:60 kPa低气压环境加速了锂离子电池老化进程，电池内部结构受60 kPa低气压应力影响，致使电池欧姆阻抗和电荷转移阻抗较常压工况分别增加6.22%和45.76%，锂脱嵌反应受限，电池界面动力学衰退；因电池阻抗增大造成以正极活性锂离子损失主导的循环容量加速衰减，电池健康状态衰减率较常压工况高3.08%。      

故障机理与领域自适应混合驱动的机械故障智能迁移诊断

航空发动机的健康稳定对于保障飞行器的安全运行具有重要的作用，针对各台发动机建立具备高准确率的智能诊断模型是飞行器稳定运行的关键。现有故障诊断方法在具备故障数据的条件下能取得较好效果，但实际应用中往往因仅含正常数据，无法实现诊断模型的构建。针对该问题，提出一种故障机理与领域自适应混合驱动的机械故障智能迁移诊断方法，该方法首先依据故障机理和源域数据建立旋转机械故障虚拟样本生成模型，再采用目标域正常数据实现生成模型对目标域的自适应，最后通过虚拟样本训练得到目标域故障诊断模型。采用标准数据集和实验室轴承数据对提出方法进行验证，结果表明，提出方法对不同型号轴承诊断时取得88.61%的平均准确率，相比对比方法高41.22%。     

低反力度跨声速转子的叶顶喷气扩稳数值研究

为进一步提高低反力度压气机的稳定工作范围，以某三级低反力度高负荷压气机首级跨声速转子为研究对象，借助三维数值模拟方法，进行了叶顶喷气扩稳研究，分析讨论了叶顶喷气提升低反力度压气机转子稳定性的机理，并探讨了不同喷气轴向位置对扩稳效果及气动性能的影响。结果表明：叶顶喷气通过削弱叶顶泄漏涡和通道激波的相互作用，抑制了转子近失速工况下泄漏涡的破碎，消除了叶顶通道的大面积堵塞，拓宽了转子的稳定工作边界；随着喷嘴的位置从叶顶前缘处沿轴向上游移动，转子的失速裕度提升量呈现出先增大后减小的趋势，综合扩稳效果和对压气机总性能参数的影响，最佳喷气轴向位置为叶顶前缘上游转子5%叶顶轴向弦长处；叶顶喷气改变了转子气动参数的径向分布，降低了转子上15%叶高范围内的负荷，同时也使得其它叶高区域的负荷提升。