基于无迹粒子滤波算法的航空发动机排气温度预测

针对粒子滤波算法不能考虑最新的观测值,仅使用某时间节点之前的实际数据来预测航空发动机排气温度,会造成预测的温度数据误差累积,不能及时修正以及粒子退化等问题,将无迹粒子滤波引入到航空发动机排气温度预测中。分别介绍了粒子滤波算法和无迹粒子滤波算法;在此基础上,建立了航空发动机的退化模型。利用退化模型和无迹粒子滤波算法对航空发动机排气温度进行预测,并将预测值与实际值进行比较,将所得结果与采用传统粒子滤波算法得到的结果进行了对比,结果表明：无迹粒子滤波算法对于排气温度的预测效果较好,所预测的发动机达到阈值的时间与实际时间更为接近,温度范围更为集中,准确性更高,预测误差小于5%。     

航空发动机尾气颗粒物流动影响因素分析

为了获得发动机尾喷管内荷电颗粒的流动特性,利用COMSOL软件建立基于气-固-电三相耦合的荷电颗粒运动模型,以入口压强代表发动机工况,以颗粒直径和荷电量代表故障程度,探寻入口总压、颗粒直径、颗粒种类与颗粒流动的关系,并分析了入口总压对颗粒分布的影响。结果表明：当颗粒直径小于40 μm时,颗粒速度随直径增大有明显减小的趋势,当直径大于40μm时,颗粒速度逐渐处于平稳状态;对于同一直径的故障颗粒,其分布受发动机工况影响较小,可以忽略在同一故障程度下颗粒分布对静电信号产生的影响;颗粒直径影响颗粒速度,而颗粒速度决定静电信号频率。在下一步研究中可通过异常静电信号频率来判断发动机故障程度。     

基于神经网络补偿的室内无人机组合导航系统

针对无人飞行器在环境特征突变情况下数据融合的可靠性大幅下降问题,提出了神经网络预测补偿的组合导航算法。首先利用扩展卡尔曼滤波和粒子滤波对激光、光流等传感器得到的数据进行融合,然后采用径向基函数（RBF）神经网络对粒子滤波前后的误差进行预测。当激光数据可靠时,RBF神经网络进行训练学习模式,当激光数据中断或者不可靠时,利用训练后的模型对系统进行误差补偿。利用无人飞行器在室内环境下进行定点和轨迹实验,结果表明补偿后的位置导航信息能够明显降低激光数据不可靠时带来的定位误差。     

湍流边界层各向异性张量模式的实验研究

使用高时间分辨率粒子图像测速技术在水槽内精细测量平板湍流边界层内不同流向、法向位置的瞬时速度矢量空间场的时间序列信号。利用实验数据对湍流各向异性的涡黏张量模式进行了实验研究,给出了湍流边界层不可压缩槽道湍流中各向异性的涡黏张量各分量的空间分布规律。各向异性的涡黏张量分量的空间分布揭示了流向平均速度的法向梯度对雷诺应力三个分量的不同贡献。涡黏张量三个分量空间上的不同规律说明对涡黏张量的各向异性的考虑是合理的,而各向同性的涡黏模型不适宜描述剪切湍流雷诺应力的物理本质。     

SiC颗粒增强铝基复合材料的热变形本构方程及其优化

通过热压缩试验研究了SiC颗粒增强铝基复合材料在应变速率为0.001～1s-1,变形温度为713～773K时的热成形性能,并在试验数据分析的基础上,引入Zener-Hollomon参数建立了用于描述复合材料高温变形行为的本构关系模型,通过分析比较和对本构方程的进一步优化,提高了颗粒增强型铝基复合材料本构方程的拟合精度,使得计算值更接近于试验值.     

Fine scale temporal structures in solar hard X-ray bursts observed by PHEBUS

We report here on preliminary results of a systematic study of fast temporal fluctuations in impulsive and extended solar X-ray bursts observed by PHEBUS at energies around 100 keV. Subsecond timescales are quite common in the impulsive events and are not observed in extended ones.     

颗粒含量及粒度对SiCP/Al复合材料高温变形行为及组织的影响

采用无压浸渗法制备出不同体份的SiCp/Al复合材料.对该复合材料进行了高温(高于基体熔点)压缩实验.研究了不同颗粒含量及粒度规格的复合材料高温压缩流变规律,利用SEM观察分析了颗粒含量及粒度对复合材料组织的影响.研究结果表明:颗粒含量较高的SiCp/Al复合材料,在高温压缩过程中呈现为塑性流变规律;颗粒粒度规格对复合...     

交互多模型PHD滤波跟踪多目标方法

在机动多目标跟踪问题中,目标数未知或随时间而变化,概率假设密度（PHD）滤波可以在每一时间步估计多目标状态和目标数,但单模型方法不能给出精确的估计。提出了一种交互多模型PHD滤波方法,建立多模型描述多目标运动方式,利用PHD滤波结合多模型跟踪目标运动轨迹。同时,给出了多传感器交互多模型PHD滤波方法,以提高目标跟踪精度。     

基于人工智能技术的磨粒显微形态学分析

基于颗粒显微形态学分析理论,建立了一套磨损微粒显微特征描述体系。首先应用这套特征参数描述体系,提取磨损微粒形态中蕴涵的特征信息,然后综合使用自动聚类、人工神经网络和其他的人工智能分析方法进行磨损微粒的综合分析与识别。本项技术已经在航空发动机磨损故障诊断中得到了实际应用。     

基于高斯权值-混合建议分布粒子滤波的疲劳裂纹扩展预测

飞行器结构的疲劳裂纹扩展预测对保障结构安全、实现视情维护具有重要意义。结合粒子滤波算法和结构健康监测方法进行在线的疲劳裂纹扩展预测是近年来刚刚开始研究的新方法,该方法通过状态空间模型表征疲劳裂纹扩展过程中的不确定性,同时通过贝叶斯方法将结构健康监测所获取的结构实际裂纹观测值用于修正裂纹扩展模型的预测误差,实现更准确的疲劳裂纹扩展在线预测。由于该方法的研究刚刚开展,已有研究中粒子滤波算法的重要性密度函数往往简单选取为先验转移概率密度,存在严重的粒子退化问题。另一方面出于简单考虑,仅采用表征裂纹稳定扩展区的Paris模型。针对上述问题,本文提出一种基于高斯权值-混合建议分布粒子滤波的疲劳裂纹在线预测方法,基于表征裂纹全扩展区域的NASGRO裂纹扩展模型建立疲劳裂纹扩展状态方程,以主动Lamb波监测方法实现结构裂纹的在线监测,借助在线结构健康监测的优势,在粒子滤波时选取重要性密度函数为观测概率密度和先验转移概率密度的混合分布,同时基于先验估计获取高斯权值进行权值更新。本文进一步进行了仿真研究,结果表明所提出的方法优化了疲劳裂纹扩展预测的准确性。