显著变量识别与高温叶片多学科设计优化方法

针对高温叶片气热多学科优化设计问题中设计变量过多造成的维数灾难问题,提出了基于数据挖掘技术的显著变量识别方法。采用显著变量识别方法剔除了对高温叶片Mark II气热性能影响小的设计变量,使设计变量个数从36个减少为15个。通过耦合共轭换热分析方法、三维叶片及冷却系统参数化方法以及自适应多目标差分进化算法,建立了高温叶片多学科多目标设计优化系统。基于显著变量识别方法获得的设计变量,完成了Mark II型叶片的气热性能多学科设计优化。优化获得了9个Pareto解,典型Pareto解的气热分析结果表明,优化后叶片的气热性能明显优于原始叶片,验证了基于数据挖掘技术的高温叶片多学科设计方法的有效性。     

核磁共振陀螺信号仿真及噪声分析

核磁共振陀螺具有体积小、精度高、功耗低等优势,有望成为下一代惯性导航系统的核心部件,目前正受到人们的广泛关注。比较全面的介绍了核磁共振陀螺的基本理论,在此基础上利用时间离散化方法推导并建立了能够充分考虑核磁共振陀螺系统动态特性的仿真模型。利用该模型研究分析了锁相环相位、磁场、温度以及探测光强在1×10-5均方根幅度下均匀白噪声对陀螺信号的影响,发现它们对角随机游走、零偏不稳定性影响依次减小,且都具有自身独特的频率响应特性。其中,锁相环相位噪声引起的角随机游走与零偏不稳定性分别为5.1985×102(°)/h1/2、3.4593×103(°)/h,而探测光强噪声引起的角随机游走与零偏不稳定性分别为3.1623×10-1(°)/h1/2、4.7603×10-1(°)/h。该研究对深入分析核磁共振陀螺动力学机理、寻找主要噪声来源、提高陀螺性能具有重要意义。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

高低压转子弹性支承振动应力信号的LMD切片谱分析与时频分布

针对传统的频谱分析方法不能很好地辨识航空发动机转子振动特征频率的问题,采用局部均值分解（Local Mean Decompo? sition, LMD）,结合切片谱的频谱分析方法,对航空发动机转子振动信号进行自适应模态分解与峰值频率辨识;对转子振动信号进行时 频分析,得到其时频分布。将该方法应用于某航空发动机高、低压转子的弹性支承振动应力信号分析中。结果表明：相比于发动机振 动正常状态,在发动机振动异常状态下,高、低压转子弹性支承振动应力信号的LMD切片谱中除了存在高、低压转子的基频和倍频成 分,还存在高、低压转子间的调制频率,且在异常状态下F分量的时变特征更加明显。采用LMD切片谱分析方法获取了发动机振动正 常状态和异常状态下的振动频谱特征和时频分布,可为航空发动机转子振动特征提取与状态判别提供参考。     

基于多特征尺度特征融合的航空指挥动作识别

视觉辅助引导系统(Visual aided Guide System,VaGS)是未来航空运输必不可少的重要组成部分,可以大大节省地面指挥和引导资源,提高安全性。VaGS的核心技术是识别地面指挥员手势并将其转化为指令。介绍了一种新的高效手势识别体系结构,它主要包括2个部分:(1)采用多尺度浅层结构进行特征学习,将全局身体姿态特征与局部手势特征提这两种尺度特征进行融合;(2)所提取的特征输入到超限学习机(Exteme Learning Machine,ELM)中进行分类,输出指令。实验结果表明,在自建的40个类别的航空指挥动作数据集中,准确率达到98.5%,单帧用时0.13 ms。     

基于多源信息融合-相关向量机的风力发电机故障诊断

为了能够全面准确地识别风力发电机的故障类别,考虑信号源振动和电流之间的相关性,提出了一种基于信息融合和改进相关向量机相结合的故障诊断方法。通过直驱风力发电机试验台实测数据,提取具有较高敏感度的特征参数作为诊断样本,建立基于振动和电流的改进相关向量机诊断模型进行初步故障诊断。利用信息融合建立多信号源故障诊断模型,获得最终风机故障诊断结果。试验表明,与基于单一信号的故障诊断方法相比,该方法具有更高的准确性,能很好地识别具有机电耦合特性的风力发电机故障类型。     

基于自适应修正曼哈顿距离的室内定位方法

在室内WiFi环境下,针对常见指纹匹配算法所忽略的信号波动问题,提出了一种基于自适应修正曼哈顿距离和AP选择的指纹匹配算法,并结合加权K近邻方法实现定位。首先采用AP选择算法获取部分受干扰程度小和出现频率高的AP,在指纹匹配时仅使用该部分AP的接收信号强度进行计算;在分析WiFi信号传播衰减公式和信号波动的基础上,提出了将自适应修正曼哈顿距离作为指纹匹配的度量距离,使用该距离旨在平滑信号波动对指纹相似度计算的影响;最后采用加权K近邻方法估计测试点的坐标。实验结果表明,在加权K近邻方法的框架下,基于自适应修正曼哈顿距离的定位算法在定位精度上优于基于欧氏距离、曼哈顿距离、余弦距离和Sorensen距离的定位算法。     

基于齿廓修形的锥齿轮再制造技术

锥齿轮是航空发动机传动系统中的重要组成部分,在使用过程中容易产生齿面磨损、齿面点蚀、齿面剥落、齿面胶合等故障。文中分析了锥齿轮故障原因及再制造可行性,构建了锥齿轮的再制造判别标准,制订了以齿廓修形技术为核心的锥齿轮再制造工艺方法。通过检测渗碳层深度、硬度,试验验证,齿轮装配检查,台架试车考核表明：再制造的锥齿轮渗碳层深度、显微硬度符合设计要求,齿轮啮合间隙、着色印痕以及试车后齿面金属印痕均符合技术要求,装机试用的锥齿轮传动平稳,啮合性能好,产生的振动和噪声小。再制造成本仅为新品的11.3%,节能效果为86%,节材78%,取得了显著的经济和社会效益,具有广阔的应用前景。     

基于小波降噪和EMD-SVM的加工中心主轴系统状态监测技术

主轴系统是数控机床的重要功能部件,其运行状态直接影响机床的可靠性与加工精度。为了实现状态实时监测、故障预警和维修策略优化,针对加工中心主轴系统,设计了状态监测方案,研制和搭建了加工中心状态监测平台的硬件系统和软件系统。集成小波降噪方法和经验模态分解-支持向量机(EMD-SVM)算法对采集信号处理与分析,实现加工中心主轴系统的状态实时监测,进而对主轴系统典型故障状态进行识别与诊断。基于研制的加工中心主轴状态监测系统,进行了主轴系统皮带松动故障监测试验分析,验证其对主轴系统的典型故障状态识别的准确度。