跨音速压气机转子中三维湍流流场计算及涡系分析

从叶轮机械转动坐标系中的三维、可压、湍流、Ｒｅｙｎｏｌｄｓ平均Ｎ－Ｓ方程组出发,用Ｂａｌｄ－ｗｉｎ－Ｌｏｍａｘ湍流模式使方程组闭合;结合有限体积离散并采用隐式矢通量分裂技术;求解了西德宇航院（ＤＦＶＬＲ）的单级跨音速压气机转子内的三维湍流流场。计算结果可分辨出该转子内三维流场的细微结构、激波的空间曲面;得到马蹄涡、通道涡、尾迹涡和角涡的形态及其发展,流场的三维性非常明显。计算得到的壁面极限流线图可反映出压气机中分离流动的拓扑结构     

仅地心矢量测量的卫星转对地定向姿态控制方法

摘要： 针对角速度过大且无其陀螺测量的姿态异常情况,开展仅依赖地心矢量的对地姿态快速恢复控制方法研究.基于地心矢量测量信息给出了天平角及天平角矢量定义,提出一种综合天平角抑制与能量耗散的对地姿态恢复控制方法;针对具有星体角动量偏置的闭环控制非线性系统,采用几何方法求解获取各平衡点,并由其特性分析表明通过参数合理选取可使得期望稳定对地姿态为系统唯一稳定平衡点;利用数学仿真方法验证了所提出方法的有效性.     

捷联惯导系统中确保全姿态测量的软故障检测和隔离

本文探讨了最多有两个捷联陀螺发生软故障时的故障检测和隔离方法，给出了由奇偶向量确定的软故障χ＾２检验法，详细推导了两个陀螺都发生软故障时的极大似然故障隔离判决函数的计算公式，归纳出了对故障陀螺的隔离搜索算法。仿真结果表明，即使故障量与漂移一样微小，该法仍能准确检测并隔离出故障陀螺。     

多系统卫星导航接收机自主完好性监测

针对多系统卫星导航接收机自主完好性监测的现实需要,在传统的奇偶矢量法的基础上提出一种新的基于加权奇偶矢量法的自主完好性监测算法。加权奇偶矢量法克服了不同系统间由于测距均方根误差不同造成的RAIM算法性能下降,算法综合考虑各系统间测距均方根误差不同的实际情况,对测距误差进行归一化处理,大大提高了多系统卫星导航接收机RAIM算法对测距均方根误差较小卫星的敏感度。经过Monte-Carlo仿真证明,算法能有效抑制系统虚警和漏检情况的发生。     

固体火箭发动机推力向量控制系统动力学计算

针对某固体火箭发动机推力向量控制系统运动中接头内部受力状态复杂且试验难以测量的问题,建立了该系统动力学计算模型,计算了接触数组参数,对该发动机推力向量控制系统进行了多体动力学计算。得到了系统运动规律,接头内滚动体与阴、阳球体间的接触力、摩擦力矩和系统作动力矩。最后通过与理论计算和冷摆试验结果的对比,验证了建模和计算的合理性,得到了更接近实际的结果。     

带倾角合成射流激励器对低速主流矢量控制研究

基于全流场计算模型——X-L,对带倾角合成射流激励器控制宏观低速主流流动进行了数值分率的情况下,可使主流流动方向发生大幅度析和机理研究。结果显示,激励器出口倾角对主流矢量角控制影响很大,在不增加输入功偏转。在激励器存在出口倾角情况下,各状态参数和激励器布置位置对主流矢量影响按规律变化且存在最佳值。压强梯度的存在和旋涡的卷吸作用是合成射流激励器控制宏观低速流流动方向的主要因素。     

基于引力球结构支持向量机多类算法的涡轮泵故障诊断

在涡轮泵故障诊断中，多类故障诊断是经常出现的问题。为提高多类故障诊断速度，在球结构支持向量机的基础上，提出一种引力球结构的支持向量机多类算法，该算法充分考虑样本分布疏松程度，经过试验优化分析得到最佳分类引力公式。用该算法和其他常用算法对涡轮泵仿真故障进行分类比较，结果表明基于引力球结构的支持向量机故障诊断算法学习速度快，诊断效果好。     

离心通风器通风阻力的影响因素

为分析航空发动机离心通风器通风阻力的影响因素,应用计算流体动力学(CFD)和雷诺应力模型(RSM)对离心通风器内流场进行数值计算.比较相同工况下通风阻力的计算与试验值,保证模型的适用性.通过计算得到不同工况和结构的足够拟合数量的离心通风器阻力值,对数据进行二元二次空间趋势面回归分析.结果表明:流量和转速的增加都带来更大的通风阻力;通风孔偏心设计与减小辐板顶圆半径可以减小通风阻力,通风孔偏心设计存在最佳偏心距约为7.5mm.     

基于融合信息(火用)的转子振动故障SVM诊断方法

通过提取信息(火用)特征,提出基于融合信息(火用)的转子振动故障支持向量机（SVM）诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息(火用)特征;最后,将提取到的信息(火用)特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明：将信息(火用)特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.     

基于SVM和SNN的航空发动机气路故障诊断

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.