基于模型的转子系统不平衡量的估计

采用基于模型的方法对转子系统的不平衡量进行估计,首先记录初始状态下的振动信号,然后根据实时测得的不平衡响应信号,得出差值振动信号,联立转子系统的动力学方程,得出不平衡等效载荷,根据等效载荷,得出不平衡的位置、相位及大小.采用模态扩展技术实现由有限几个点的振动响应获取所需点上的响应.由于噪声的影响,提出了基于高斯小波的降噪方法.仿真与实验结果表明,这一方法能够比较准确地估计出转子系统的不平衡量.      

基于Monte-Carlo方法的终端区容量计算分析

终端区的容量评估一直是容量评估的难点和关键所在。首先分析了影响终端区容量的因素;然后结合终端区的特点,建立了终端区容量评估的计算模型。并考虑到有关的随机影响因素,利用随机模拟的方法,对终端区容量进行了较为准确的分析和估计。结合乌鲁木齐终端区的实际,对终端区容量进行了评估,仿真结果验证了评估方法的可行性。     

谈发动机状态监控的利用

AnApplicationoftheEngineConditionMonitering现代民用航空发动机的状态监控,一般包括对发动机机械参数和性能变化监控两方面。对机械参数的监控包括：（1）对发动机转子振动的监控,振动水平反映了发动机转子的平衡情况以及轴承的状态（2）对滑油消耗量和磁性同的监控。对发动机性能变化的监控,则是通过对发动机主要参数如：转子转速、发动机排气温度、燃油流量等的监控,来反映发动机性能衰退情况、发动机有无故障和部件有无损伤。目前发动机厂家都为其生产的发动机编制了相应的计算机软件,并提供给用户,以实现对发动机的状态监控…     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

一种超声速状态下机载推进系统模型的建模方法

为了满足机载航空推进系统模型对精度、实时性及数据存储量的苛刻要求,提出了一种机载模型建模方法.对传统的机载稳态模型建立过程中使用的相似准则进行了充分讨论,得出了一种具备更高建模精度的相似准则.在新的相似准则基础上,建立了包含泰勒展开式中非线性2阶项的高精度稳态变量模型,有效解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题;为了解决超声速状态下安装推力与发动机净推力差别较大的问题,建立了考虑外流特性的简化进气道模型,给出了一种计算安装推力的方法,即由简化发动机模型计算安装推力中符合相似准则的部分,由进气道模型计算溢流阻力、放气阻力及发动机推力中不符合相似准则的部分.仿真结果表明:基于新的相似准则所建立的机载模型具有大包线、变状态适应性,输出参数误差均在0.5%以内.      

非对称结构损伤飞机鲁棒容损控制器设计

当飞机发生非对称结构损伤时,飞机的质量、重心位置和气动特性都会发生突变,飞机机体的对称性遭到破坏,致使飞机的横纵向间运动产生强烈的耦合。针对飞机发生非对称结构损伤时导致的飞行控制问题,建立了非对称结构损伤飞机的损伤模型,并基于一种新型鲁棒容损控制策略,采用非线性扩张状态观测器和非线性动态逆相结合的方法,对飞机的姿态控制器进行了设计,兼顾了飞机系统的性能和对损伤的鲁棒性。最后,基于NASA的通用运输机模型,对所设计控制器的控制效果进行了仿真验证。仿真结果表明,设计的姿态控制器有效地抑制了非对称结构损伤给飞机控制系统带来的不确定性和扰动,具有较好的控制性能。     

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。     

飞行数据相容性检验方法

飞行试验测量数据中存在过程噪声和测量噪声,导致飞行数据之间不相容,国内目前常用的输出误差法不适用于耦合严重的直升机飞行数据相容性检验。采用增广卡尔曼滤波方法进行状态估计,大幅度地消除测量值中的误差;再用输出误差法对增广卡尔曼滤波估计的结果进行相容性检验,并将其应用于直升机四阶纵向等效模型辨识中。结果表明:提出的这种方法既解决了单独使用增广卡尔曼滤波进行数据相容性分析时由于初期收敛过程造成的滤波误差问题,又克服了单独使用输入误差法进行数据相容性时需手动修改时间延迟问题和测量值中误差过大时输出误差法无法收敛问题,使得检验效果与计算效率大幅提升。     

基于观测器与前馈控制技术的动态转台 控制实验研究

基于前馈控制技术对动态转台进行控制研究,分析了PID 控制在动态转台 控制中对于响应带宽提高的缺点。通过实验与Matlab 结合辨识了开环系统模型,并与实 际数据进行了比对。建立了系统状态观测器,并设计了基于观测器与前馈控制结合的控制 器,证明了观测器与控制器的稳定性。最后通过实验证明了观测器与控制器的有效性。