仿真技术在飞机起落架可靠性分析中的应用研究

起落架所承受的动载荷较大,造成系统工作环境复杂,出现故障较多,因此对起落架系统可靠性的研究显得迫切和重要。以三维辅助建模软件CATIA、有限元分析软件NASTRAN、多体动力学分析软件LMS Virtual．Lab和液压控制仿真软件AMESim等为工具,采用自动仿真求解策略针对某起落架典型失效模式进行仿真分析,得到仿真...     

基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

面向空间应用高可靠图像数传设备的设计与实现

针对空间高速图像数传任务需求, 设计并实现了一种采用SpaceWire总线传输协议的高速图像数传设备. 该设备的硬件以FPGA为控制核心, 完成对SpaceWire协议芯片的初始化配置、收发数据包处理、中断和异常状态处理等操作. 重点阐述了FPGA的可靠性设计, 包括状态机设计、异步时钟域设计和数据包传输与链路错误的恢复设计. 测试表明该设备能够稳定可靠地实现140 Mbit/s的图像数据传输, 对于链路的突发错误在一定时间内具有错误数据恢复能力, 能够有效保证传输数据的正确性和稳定性.     

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。      

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

某无人机着陆滑跑动态仿真分析

用Catia建立全机模型,然后导入到Adams/View板块中进行仿真,首先对起落架进行落震仿真,以确定起落架缓冲弹簧的参数,保证起落架的着陆安全。然后再进行全机着陆、滑跑仿真,确定飞机的刹车力的施加时间以及跑道的长度,为以后飞机的真实着陆、滑跑提供安全依据。     

基于Tophat变换和文字纹理的车牌定位算法

针对车牌自动识别系统的应用场景越来越广泛,提出一种新的基于Tophat滤波和文字纹理特征的车牌定位算法.首先,利用形态学Tophat滤波抑制背景、消除不均匀光照,然后对图像进行二值化操作和连通域分析;其次,扫描图像得到区域的垂直投影图(VPM, Vertical Projection Map),对VPM进行离散余弦变换(DCT, Discrete Cosine Transformation),利用中低频描绘子重构VPM,重构后的VPM更为平滑,不受噪声影响,其波峰波谷数量、统计量更能描绘区域纹理的本质属性;最后,结合部分中低频描绘子和统计量组成描述区域纹理的模式向量,输入支持向量机归类.实验表明,算法适用于自然场景中的车牌定位问题,具有较强的适应性.      

直升机主起落架疲劳试验技术研究

以直升机主起落架疲劳试验为对象，对试验内容、试验方法、试验实施及试验结果进行分析。通过试验验证确定了起落架的疲劳危险区域，并为优化零件结构提供了依据。     

某型教练机起落架信号电路改进设计

针对某型教练机存外场使用时出现起落架未放到位，而飞行员却没能及时发现的问题，本文对飞机起落架信号电路进行了分析，并提出了相应的改进措施。     

超精密加工的动向和思考

叙述了在超精密加工技术向毫微米精度发展之际,必须探索突破的新途径,要充分发挥信息的作用,综合利用各种有关技术的进步,强调创新。