改性双基推进剂老化燃烧性能实验研究

用Ｘ射线实时荧屏分析系统对人工加速老化的改性双基推进剂的燃烧性能进行试验研究,结果表明,人工加速老化对双基推进剂的燃速影响不大,但对推进剂的装药结构性能有较大影响。试验发现在７０°Ｃ的老化温度下２４天后,推进剂的结构破坏导致异常燃烧现象明显,辅助试验表明,６０°Ｃ９０天可以认为是该种推进剂的安全界限     

应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

应用BP-ART混合神经网络的推进系统状态监控实时系统

应用ＢＰ－ＡＲＴ混合神经网络提出了一种供推进系统状态监控实时使用的系统,其拓扑结构为： 第一层处理单元由ＢＰ神经网络组成, 每个ＢＰ网络代表一个相应的推进系统组件; 第二层处理单元为一个ＡＲＴ神经网络, 网络的每一个输出代表推进系统的一种“健康状态”, 据此可对其故障进行“诊断”。该混合结构充分发挥了两类网络的优点, 给出的具体应用实例也显示出在推进系统实时状态监控与故障诊断应用中的有效性     

传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.      

基于CST方法的吸附式压气机叶型及抽吸方案耦合优化设计

为了探索吸附式叶型设计特点,研究了一种将类别形状函数变换法(CST)方法和人工蜂群算法相结合,利用2D程序作为流场求解器,对吸附式叶型和抽吸方案进行耦合优化设计的新型吸附式压气机叶型设计方法,并且详细论证了CST方法用于吸附式叶型优化设计的可行性。研究结果表明:耦合优化设计之后在保证叶型强度未下降的基础上总压损失降低了65%,气流转折角增加了3°,气动性能得到较大的提升。针对所优化的进口高亚声速的吸附式叶型,通过适当改变叶型前缘处的型面,可以较好地控制气流马赫数,避免产生激波,从而防止附面层厚度增加,降低叶型损失。     

基于信任值的P2P网络访问控制模型

对等网络（P2P）已成为一个非常受欢迎的信息交流的新模式。然而,P2P网络环境的分散的和匿名的特点使得对共享信息的控制变得更加困难,而这是无法通过传统的访问控制方法完成的。首先提出P2P网络环境中的访问控制需求,然后提出了一种基于信任值的P2P网络的访问控制模型。模型整合了信任和推荐模式、公平参与原则和访问控制模式,并将其应用于P2P文件共享系统。仿真分析表明,访问控制模型能够有效识别恶意节点,使P2P网络中合作节点具有较高的成功请求率。     

某型航空发动机高原使用起动供油量调整研究

为保证某型发动机在高原地区能安全可靠地起动,在该型发动机进驻高原机场使用前,通过地面台架试车得到地面起动供油量调整变化规律,并应用人工神经网络,采用trainbr训练算法估算高原起动供油量调整规律,研究确定了该型发动机在高原使用条件下,起动供油量调整旋钮、起动放气嘴直径、起动补油量调整螺钉的匹配调整方法。经高原使用实践证明,该调整方法可保证一次调整成功,使该型发动机高原起动快速、安全、可靠,为飞机的快速出动创造了有利条件。      

直升机机动飞行仿真的气动建模及试验研究

 建立了适用于直升机机动飞行仿真的动力学模型。为了提高模型的真实度,着重通过瞬态操纵实验研究建立了旋翼非定常气动模型;又通过旋翼/ 机身气动干扰试验研究,并运用神经网络技术建立了一种新的机身气动力模型。使用该仿真模型做出的UH260A 直升机仿真计算结果与飞行试验数据符合良好。     

无线传感器网络的低功耗研究

在野外等一些环境下的无线数据采集系统中,由于地理环境恶劣、节点数量多等原因很难更换电源电池,因此有效地降低系统各层的功耗、提高系统的生命周期尤为重要.文中在论述传感器节点结构的基础上,分析如何对传感器节点的动态电压调度、MCU能量消耗控制、动态功率管理、收发模块节能等硬件电路以及对MAC层、网络层的软件协议降低系统耗能.     

电液力伺服系统的神经网络并行自适应预测 PI 控制

考虑电液伺服系统的复杂非线性和不确定性特性,提出一类基于神经网络的并行自适应预测PI控制结构,该结构使控制参数的调整和系统的实时控制操作可并行进行,不仅做到了神经模型和控制器的在线辨识和设计,而且避免了神经网络方法通常存在的实时控制的困难,使复杂系统的在线学习控制成为可能。仿真结果表明该控制器具有良好的适应性和鲁棒性。