测控雷达伺服系统整流电路的建模与仿真

电力电子整流电路是测控雷达伺服系统的重要组成部分。某型测控雷达采用了三相零式反并联可逆整流电路结构。分析了整流电路可逆运行的工作原理以及晶闸管触发电路的控制方式,利用MATLAB/Simulink的建模功能,建立了触发脉冲产生电路和整流电路的模型,仿真得出系统可逆运行时电机的工作状态以及整流电路输出电压波形。仿真结果显示,此整流电路可以实现电机的四象限运行,所建模型正确。利用该模型可以对测控雷达伺服系统的分析和设计起到很好的辅助作用。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

适用于倾转旋翼机气动分析的新型嵌套网格方法

为克服围绕复杂倾转旋翼机生成高质量一体化结构网格的困难,将分块网格策略与嵌套网格方法融合,提出并建立了一套适用于倾转旋翼机气动干扰分析的新型嵌套网格生成方法。该方法中,将整体网格按照倾转旋翼机结构特性进行了分块生成,在保证插值精度的基础上降低了网格规模。为高效连接不同部件网格,首先,引入Inverse Map方法来辅助部件网格定位,采用新颖的多向投影方法保证了部件间洞边界的连续性;其次,基于独立挖洞嵌套策略完成机身与背景网格的组合,并使用了相应的辅助计算坐标进行背景边界网格标识。在贴体网格区域采用基于S A（Spalart Allmaras）湍流模型可压缩RANS(雷诺平均Navier Stokes）方程求解流场,背景网格区域采用欧拉方程,并运用了SPMD(single program, multiple data)模式的并行加速技术,建立了适合倾转旋翼机气动干扰特性分析的高效混合CFD方法。采用Robin直升机机身作为数值算例,验证了CFD方法的有效性。在此基础上着重对倾转旋翼机在悬停、过渡和前飞巡航模式下的干扰流场进行了数值分析研究,分别得出了悬停状态下倾转旋翼机典型的“喷泉效应”干扰现象、过渡状态下的非定常气动干扰特性以及巡航状态下的部件气动变化特性,计算结果表明建立的新型嵌套网格方法能够较好地表征倾转旋翼机外形特性,并能够有效地用于倾转旋翼机的气动特性分析,加速比能超过5.0。      

基于绳系并联机器人支撑系统的SDM动导数试验可行性研究

详细给出了在低速风洞中,采用绳系并联机器人(WDPR)支撑模型,用强迫振荡法进行标准动态模型(SDM)动导数试验可行性的研究。试验中将杆式六分量应变天平内置入模型中以测量模型的气动力和气动力矩,建立了适用于绳系并联机器人支撑系统的模型运动控制子系统和数据采集子系统。采用绳拉力作为参考信号,对气动力矩信号与位姿信号进行数据的同步处理,解决了绳系并联机器人支撑系统应用于动导数试验时所测力矩信号与位姿信号之间的相位差确定问题,给出了WDPR支撑下模型动导数的计算方法。整个试验样机置于某开口式低速直流风洞中进行了俯仰、带偏航角的俯仰以及升沉的动导数试验,通过测量和计算得到各动导数。试验结果与参考文献相比较具有合理的一致性。研究结果表明,采用绳系并联机器人支撑模型进行动导数试验是可行的,至少对于SDM是这样的结果;使用一套绳系并联机器人支撑系统,可以完成多套硬式支撑系统才能完成的动导数试验,从而提高试验效率,降低试验成本。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

智能机床的误差补偿技术

误差补偿技术是智能机床精度提高与保持的关键技术之一.分析了国内外机床误差补偿技术研究现状,提出智能机床误差补偿技术总框架;总结了智能机床误差源、误差元素、几何与热误差的误差元素模型及建模方法,以及典型的误差补偿方法;研究了力误差补偿技术、基于零件在线测量的误差综合补偿技术;最后,对未来智能机床误差补偿技术的发展重点进行展望.     

柴油机两级VNT混联系统整机效率优化

为提高柴油机的余热回收利用率,提出一种基于可变喷嘴环式涡轮VNT（variable nozzle turbine）技术的两级涡轮混联系统。该系统根据柴油机运行工况,通过控制阀门的开闭来实现混联系统中串联工作模式和并联工作模式的转换。以涡轮的有效直径为参数来表征涡轮的流通能力,利用GT-Power仿真平台研究了两种工作模式下增压涡轮和动力涡轮的流通能力对发动机功率、动力涡轮功率及涡轮增压器性能的影响规律;提出了增压涡轮、动力涡轮与发动机的匹配策略;以系统整机效率最优为目标,针对柴油机不同运行工况进行混联方式的优化控制。结果表明:针对柴油机的不同运行工况,通过两级VNT复合系统混联优化运行方案,能够有效回收柴油机废气能量,额定工况下系统整机效率提高5.1%。      

近距平行跑道航班着陆调度研究

针对我国航空运输业快速发展导致空中交通拥挤以及航班延误问题,研究了近距平行跑道航班着陆调度问题,以缓解空中交通拥挤和减少航班延误.以配对进近的形式,考虑时间、配对、间隔、排序等因素,建立航班着陆调度模型.针对机场小规模的进场航班流量,采用穷举法求解,并用算例进行仿真验证.结果表明,与先到先服务原则相比,经算法调度的进场航班总的延误时间减少了33%.     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

融合机床精度与工艺参数的铣削误差预测模型

为弥补现有五轴联动数控铣床加工飞机结构件的加工精度评估系统的不足,提出利用机床精度检测数据和零件特征及其工艺参数来构建评估指标体系,基于BP神经网络建立了飞机结构件加工误差预测模型。通过完成训练的网络权值分布,计算出各输入指标对最后评估结果的影响,并通过实例分析检验了模型的可靠性。结果表明,经BP神经网络模型训练得到的结果和样本零件的三坐标测量机测量数据基本吻合,选取的评价指标具有有效性。该评估模型能够有效地融合机床精度检测数据和零件特征及其加工工艺参数,对飞机结构件的铣削加工误差进行预测。