基于局部特征尺度分解及分形维数的模拟电路故障诊断方法

针对目前自适应时频分析方法在模拟电路故障诊断方向理论研究尚不完善、缺乏实践验证等方面的问题,采用改进LCD算法及分维理论相结合的方法进行理论研究及实物验证。对被测点所采集数据进行预处理后直接进行LCD分解并计算各分量分维数作为故障特征,输入神经网络进行故障诊断。仿真结果验证了该方法的有效性;实物验证成功分类了2类电路状态,并阐明了分类结果杂散点较多的原因。     

一种多任务模式离子液体推进剂的制备、表征及催化分解研究

为获得可用于多任务模式、高密度、高比冲、宽液态温度范围、良好热稳定性的新型离子液体推进剂,以N-甲基咪唑为原料,通过烷基化反应生成离子盐,该盐与四氟硼酸钠/双三氟甲磺酰亚胺锂发生复分解反应,制得一系列咪唑基离子液体。利用核磁共振 (1H NMR、13C NMR)、高分辨质谱（HRMS）等对产物结构进行了表征。并分别利用热重分析仪、密度仪、粘度计等,研究离子液体的热稳定性、密度、粘度等性能。通过点滴着火试验,借助高速摄像机评价了硝酸羟胺和1-乙基-3-甲基咪唑硫酸乙酯盐复合后的推进剂点火燃烧性能。采用化学反应平衡产物软件考察了硝酸羟胺含量对推进剂能量特性的影响规律。结果表明,硝酸羟胺含量在40-60wt%之间是优选的推进剂配方。本文试验证明了50wt%硝酸羟胺与50wt%1-乙基-3-甲基咪唑硫酸乙酯盐复合推进剂具有良好的催化分解燃烧性能,是一种有潜力的新型多任务模式离子液体推进剂。     

基于DMD方法的缝翼低频噪声机理分析

认识缝翼低频噪声的产生机理十分重要,可指导先进的主被动噪声控制方法。本文开展了缝翼噪声的大涡模拟（LES）,利用动态模态分解（DMD）方法研究了缝翼低频噪声的产生机理。研究结果表明缝翼低频噪声具有显著的偶极子特性,其利用DMD分析揭示了缝翼噪声的产生机理,缝翼低频噪声源于剪切层中的大尺度涡结构与缝翼下壁面的周期性撞击效应,大尺度涡结构与低频噪声之间存在的流-声耦合的闭环反馈机制,根据反馈机制提出并验证了一种预测低频噪声的理论预测模型。     

飞机起落架噪声源定位的压缩感知算法

目前针对飞机起落架噪声源定位的研究方法主要是将麦克风阵列与波束成形算法相结合。常规波束成形（CBF）算法在计算时存在主瓣宽度过宽、结果易受旁瓣影响的问题。高级波束成形算法在计算时效率较差,有时会有违背物理现象的假声源出现。提出了一种将正交匹配追踪（OMP）算法与奇异值分解（SVD）相结合的起落架噪声源定位的OMP-SVD压缩感知算法。在消声实验室内进行飞机起落架噪声源定位试验,将OMP-SVD算法、CBF算法和OMP算法在不同频率下获得的结果进行对比。试验结果表明：①与OMP算法相比,OMP-SVD算法在不同频率下均能准确定位出起落架主声源;②与CBF算法相比,OMP-SVD算法显著提高了分辨率。     

基于改进K-SVD字典训练的涡扇发动机气路突变故障稀疏诊断方法

以典型气路突变故障信号的稀疏特性为基础,通过对涡扇发动机部件特征原子组进行分类,提出了改进K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的稀疏诊断方法,并结合气路典型突变故障开展了仿真实验研究。仿真结果表明:相比于拓展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)方法,改进K-SVD方法对故障定位准确,无故障部件健康参数变化为0,可有效提高故障部件辨识度,避免误诊断;计算耗时与EKF方法基本相等,仅为UKF方法的03%,是一种有效的航空发动机气路突变故障在线诊断方法。     

新型高燃速推进剂的催化燃烧性能

研究了有机酸铅盐、有机酸铜盐、铜铬氧化物、铁化合物不同组合作为催化剂对新型复合改性双基高燃速推进剂燃烧性能的影响。发现新型的铅铁络合物与铜铬氧化物组合是一种高效的催化剂组合。在配方中添加3%的组合催化剂,可使该新型高燃速推进剂燃速(9.81 MPa)从48.78 mm/s(空白配方燃速)提高到56.66 mm/s,9.81~19.62 MPa区间内的压力指数从0.676下降到0.576。用差热分析研究了铅铁络合物和铜铬氧化物及其复合对双基粘结体系(NC NG TEGDN)和AP热分解的影响,结果表明,复合催化剂可使双基粘结体系分解峰温提前4.94℃,使AP高温分解峰温提前119.08℃,放热量从144.97 J/g增大到1 180 J/g。     

基于系统分解的三自由度直升机控制仿真研究

三自由度直升机模型是多变量、非线性、强耦合的复杂控制对象,针对对象维数较高,控制器不易设计的问题,提出了一种基于系统分解的控制方法。首先建立了直升机的数学模型,并通过输入-状态线性化方法将模型线性化;其次将模型分解为两个子系统;最后分别采用无静差跟踪方法与PD控制方法设计子系统控制器。该方法通过模型分解,可大大降低控制器设计难度。仿真结果表明直升机姿态轨迹跟踪效果良好。     

基于Wigner分布和经验模态分解的减速器故障诊断

为了降低全寿命费用和增强飞行安全性,对减速器故障进行检测和故障诊断是非常必要的。减速器振动信号的冲击性振动信号往往可以与故障引起的冲击联系在一起,因此冲击性信号可以作为一个故障的表征形式。为了刻画故障信号,许多研究探索在时频域内寻找微弱的故障特征信号。Wigner分布是最为常用的一种时频分布。然而,故障特征信号经常被其他部件的振动信号和Wigner分布双线性运算固有的交叉项所污染。为了减少这些干扰,本文将Wigner分布与经验模态分解结合起来。不同于传统的直接计算Wigner分布,将经验模态分解作为一个预处理环节。振动信号被分解为一系列固有模态函数。仅仅计算与啮合振动相关的固有模态函数的Wigner分布。这种方法应用于减速器试验台数据,结果表明诊断效果得到了明显提高。      

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。     

基于高斯分解的乙醚-水溶液荧光光谱分析

实验检测了波长为245nm的紫外光激发乙醚-水溶液的荧光光谱。在二阶导数分析的基础上,对乙醚-水溶液的荧光光谱作高斯分解,获得了7条高斯谱线并测定了各自的的中心波长、谱峰强度和半峰宽度。利用高斯基元参数进行了多峰高斯拟合,计算了各高斯谱线对应的基态中最高和最低振动能级差。研究发现,溶液中乙醚分子与水分子以不同的方式结合可以形成7种能发射荧光的缔合分子,其对应的最佳吸收波长不同,引起高斯谱线的半峰宽度各异,中心波长位于304nm的高斯谱线对应的能级差最大。研究结果为乙醚-水溶液中分子缔合结构的进一步研究提供了参考。