基于子模型方法的钉群连接结构强度分析研究

为了准确高效的进行飞机复合材料钉群连接结构的损伤分析和强度预测,研究了子模型方法在复杂连接结构分析中的应用技术,构造了包括总体模型和两级子模型的钉群连接结构分析模型体系,提出了子模型中螺栓连接结构的建模策略和复合材料结构损伤模拟的方法,确立了对应于损伤模式的结构破坏判据。采用本文提出的方法对波音787复合材料壁板进行接...     

基于GSPN的机载液压作动系统可靠性模型

机载液压系统具有余度降级、故障检测、隔离等动态时序过程,传统基于两元可靠性模型很难描述其动态行为和性能降级过程.针对这一问题,采用分层聚类和广义随机Petri网相结合建立了机载液压系统可靠性模型.利用该模型,详细分析了故障检测装置的故障检测率对系统可靠性的影响.分析结果表明,由于故障检测装置故障检测率的影响,机载液压作...     

复合材料机身壁板的纵向连接设计与失效分析

按照连接设计准则及机身压差载荷水平,开展了复合材料机身壁板的纵向连接设计研究。为提高壁板多钉连接结构分析精度及设计效率,发展了一种基于Fastener单元的钉群载荷计算方法,在此基础上结合单钉失效分析模型,提出了一种壁板多钉连接区的失效评估方法。首先,通过与试验数据对比,验证了采用Fastener单元求解钉群载荷的可行性;然后运用Fastener单元分析壁板连接结构的钉载分配;最后基于钉载分析结果,对局部危险区域采用单钉模型进行失效载荷计算并进而评估壁板连接区的失效载荷。本方法特别适用于快速、有效地校核多钉连接区的连接强度。     

基于RBF神经网络的FADS系统及其算法研究

以典型的十字形布局的大气数据传感系统及其跨声速应用为研究对象,基于RBF神经网络,设计了新的FADS算法和故障检测处理方法。将测压点按不同功能进行精细的划分和组合,形成更加精简、目的性更强且相互独立的RBF网络处理子模块,利用各子网络模块提供的冗余特性,使用基于故障特征向量表的方法,实施简单而有效的故障检测与处理。仿真验证表明,迎角与侧滑角的测量误差不大于0.5°,且故障检测是有效的。     

Progressive prediction method for failure data with small sample size

The small sample prediction problem which commonly exists in reliability analysis was discussed with the progressive prediction method in this paper.The modeling and estimation procedure,as well as the...     

转子振动故障的过程功率谱熵特征分析与定量诊断

针对传统旋转机械振动故障定性诊断的不足,提出了1种以信息熵理论为基础的转子故障特征分析与定量诊断方法。在转子试验台上模拟转子振动的4种典型故障,分别得到4个测点多转速下的振动过程故障数据;对这些故障数据进行分析和处理,提取反映其振动过程的故障特征——功率谱信息熵,建立能描述转子振动过程变化规律的多转速多测点下的故障信息熵矩阵,并对振动故障进行分析;通过对转子振动故障信号的实例计算和定量诊断分析,验证了该方法在转子振动故障分类和故障严重程度判断方面是可行的。     

波瓣穿透率对波瓣混合排气系统性能影响

基于Navier-Stokes方程组对某型涡扇发动机波瓣强迫混合排气系统进行了数值模拟,获得了波瓣长度以及扩张角分别不变时,不同穿透率模型的流场、涡量场的变化规律,揭示了通过不同方法改变穿透率对强迫排气系统混合性能的影响。模拟结果表明,在排气系统出口处,当瓣长一定时,热混合效率随穿透率的增加先增加而后逐渐趋于不变,当波瓣扩张角不变时,热混合效率随穿透率的增加而增加;总压恢复系数和推力系数随穿透率的增加均不断降低。     

亚热带气象条件下直升机雷达罩常见损伤及设计对策

本文通过对亚热带气象条件下使用的部分直升机雷达罩故障统计及分析,给出了雷达罩系统在亚热带高盐雾地区使用时外观及性能的变化规律以及常见的结构损伤形式,为直升机雷达罩在该类地区更合理地使用及维修提供了较为准确的依据。同时,通过分析对比,本文还给出了亚热带气象条件下使用的直升机雷达罩在设计及制造时可以借鉴的基本原则。     

均值检验方法及其在冗余惯性导航系统中的应用

采用了非线性滤波的方法对影响故障检测及分离（FDI）性能的传感器误差进行了补偿,同时提出了故障检测与分离的均值检验方法（MVT）,该方法可以对2个传感器同时出现故障的情况进行检测与隔离。5个陀螺冗余惯性导航系统仿真结果验证了本文算法的有效性。     

SENSOR FAILURE DETECTION AND SIGNAL RECOVERY BASED ON BP NEURAL NETWORK

Manyhighpefformancecontrolsystemsmusthavefauhtolerantabilityagainstsensorfailures.Theapplicationofprevioussensorfailuredetectinnmethods,mostlybasedonanalyti-calredundancy['Jlislimitedbecausetheyrequireaprecise.mathematicalmedel.BPneuralnetwork(BPNN)isabletolearnanycomplicatedcontinuousnonlinearfunctions,therefore,itcanbeusedtodetectsensorfailuresandrecoverthesignalforthefailedsensor'Recentpubli-cationshavedemonstratedtheuseofBPNNfordetectingsomkindofsensorfailuresandre-coveringthefailedsen…