航空发动机气路故障诊断的SANNWA-PF算法

针对航空发动机非线性、非高斯的特点,提出一种用于航空发动机气路故障诊断的自适应神经网络权值调整粒子滤波（SANNWA PF）算法。该算法根据粒子分布情况确定分裂和调整的粒子数目,进而根据粒子权重采用正态分布的方式进行分裂,采用反向传插(BP)神经网络进行权值调整,缓解了粒子的退化和贫化,具有更强的自适应性能和跟踪能力。通过一维非线性跟踪模型和航空发动机气路故障诊断仿真研究表明:SANNWA PF算法具有良好的非高斯性能,相对粒子滤波一维非线性追踪模型估计精度提高约21%,航空发动机气路故障诊断在高斯噪声和非高斯噪声下分别提高约30%和26%,诊断速度分别提高约7倍和10倍。      

火花型激励合成射流瞬时流场测试

采用粒子图像测速仪(PIV)相位锁定采样方法对一个特定结构的火花型合成射流的非定常流场进行了实验测量,得到了火花型合成射流形成的涡对在外场的发展过程;同时采用热线风速仪对喷孔下游固定位置的瞬时速度进行了测试,对火花型合成射流激励参数(放电器储能、激励频率)的影响进行了初步的对比分析。结果表明:合成射流在孔口喷射初期呈现球面扩散状,在发展过程中不断剪切和卷吸外部气流,形成一系列旋向相反的涡串;合成射流的最大瞬时峰值法向速度出现在放电后大约005T时刻,随后其作用范围迅速扩大,瞬时峰值速度和涡量逐渐降低。在该激励器结构参数和激励参数范围内,合成射流随激励频率和放电器储能的增大而有所增加。      

Klobuchar电离层模型误差分析及预测

电离层延迟误差是全球导航卫星系统(global navigation satellite system,GNSS)中的重要误差源之一.目前在电离层延迟改正模型中,应用最广泛的是Klobuchar参数模型,但是该模型的改正率仅能达到60％左右,无法满足日益增长的精度需求.将国际GNSS监测评估系统(internation...     

用于非线性跟踪问题的一种新的粒子滤波器

机动目标跟踪系统通常是非线性而且不完全观测的 ,所以问题的关键在于每一时刻的目标机动性都是高度不确定的。提出了一种新的平滑粒子滤波算法 ,该算法在粒子滤波器中加入了对系统模型的概率分布密度的平滑处理 ,从而很好的解决了目标的机动性估计问题。在仿真研究中 ,与辅助粒子滤波器的比较验证了本文算法处理非线性跟踪问题的优越性     

用于LDA系统校准的独特旋转盘

分析了激光多普勒测速系统校准的必要性,提出了用单一粒子已知的确定速度标准的新思路。据此专门设计了一种独特的用于ＬＤＡ系统校准的旋转盘。通过试验验证了校准盘系统的转速稳定性并证明了线速精度伯均达到或优于设计参数的要求;所以,校准盘的线速度可作为参考速度与ＬＤＡ系统或其它光学风速计的测量速度进行比较,并对上述仪器进行评估。     

粒子群优化算法在微型无人机设计中的应用

针对一种翼展为550mm的电动力微型无人机的优化设计问题．对粒子群优化算法进行了改进，弥补了原来算法当最优解在设计变量上下限边界时无法找到最优解的缺陷，然后对电动力无人机的电池容量的优化选取进行了探讨，最后对该机进行了研制和试飞。由试飞结果可知，该机的留空时间为68min，与优化计算结果十分相近，证明了优化计算结果的可行性和高精度。     

富Nd第二相颗粒对钛合金拉伸断裂方式的影响

通过薄片试样原位拉伸和圆棒拉伸实验研究了富Nd第二相颗粒的早期脆性断裂对一种近α型钛合金断裂行为的影响.结果表明,随颗粒体积分数的增加,合金的拉伸强度有所降低,但合金的塑性得到改善. 富Nd第二相颗粒的早期脆性断裂不会导致材料的脆性断裂倾向,这是由于颗粒的形成改变了合金基体的组织结构等引起的.     

纳米PA6、PP/SBS复合材料界面结构与性能

采用磨盘型力化学反应器制备纳米尺寸的 PA6和 PP微粒 ,与 SBS复合制备纳米 PA6、PP/ SBS复合材料 ,用 TEM研究复合材料的界面结构并进行力学性能测试。经磨盘反应器制备的 PA6和 PP混合粒子 ,与 SBS的相容性得到改善 ,相界面结合良好 ,填充量在 6 % -1 0 %时 ,综合力学性能大幅度提高。随加工温度变化 ,PA6、PP相结构也发生变化 ,产生粘连并形成链状结构 ,力学性能进一步提高。     

变质和细化处理对铸造Al／SiCp复合材料组织和机械性能的影响

研究了变质和细化处理对搅拌法制备的１５ｖｏｌ％ＳｉＣ粒子增强的铸造Ａｌ－Ｓｉ金属基复合材料的组织和机械性能的作用。试验表明，变质和细化元素的添加对该金属基复合材料组织的影响与相应的基体合金一致。变质处理使复合材料基体合金中的片状或针状共晶硅变成纤维状，细化处理能明显地细化αＡｌ晶粒，因而能明显地提高该复合材料的拉伸性能。单独的细化处理使拉伸强度提高８％，而同时变质和细化处理使拉伸强度提高１４％。     

基于PSO算法的航空发动机起动燃油控制

针对航空发动机起动过程燃油流量优化控制的实时性要求, 提出一种新的航空发动机起动燃油控制方法——基于粒子群优化（PSO）算法的非线性预测控制.该方法在建立最小二乘支持向量机（LS-SVM）预测模型的基础上, 运用PSO算法实现其滚动优化功能.经实例验证, 燃油流量经过PSO算法优化控制后, 高低压转子转速的超调量减小, 并且其稳定的时间比没有经过优化控制的要快上56 s.由仿真结果可知, 该方法可以用于航空发动机起动过程燃油控制, 当给定的约束条件足够精确时, 能以较高的精度计算出最佳供油规律.