航空特种焊接技术:厚积薄发 破茧成蝶——访中航工业北京航空制造工程研究所航空发动机工艺研究室主任李晓红

<正>航空特种焊接技术体系是航空制造领域中一个重要技术群,是航空材料形成零件和零件成为产品的桥梁,请您简要介绍下国内外航空焊接技术的发展动态和成果应用情况。李晓红:航空特种焊接技术是伴随着航空技术和航空产业的发展而不断进步的。国内外为满足先进航空装备对性能提升的要求,在构件研制过程中采用了大量的新材料和新结构,这促进了焊接技术的发展。     

时变加权LQT设计方法理论推导及应用

利用矩阵运算公式和极值原理,对时变加权性能指标下的线性二次型跟踪器(LQT)迭代方程进行了理论推导。以F-16飞机为例,利用飞行控制经验构建俯仰速率控制系统线性框图。在MATLAB/Simulink环境下,针对两种时变加权性能指标和一种定常加权性能指标,利用多变量优化算法完成了一个状态点的控制律参数设计,并进行了时域和频域对比分析,初步验证了时变加权LQT设计方法的工程可行性和有效性。     

涂覆吸波材料圆柱的RCS预估方法

用缩比模型测量结果预估是研制阶段获得大尺寸目标雷达散射截面（RCS）的常用方法，但根据经典电磁相似理论，严格满足缩比条件的涂覆吸波材料缩比目标测量难以实现。针对涂覆吸波材料缩比目标的RCS预估问题，提出了采用多元对数线性回归模型的预估方法。设计了2组圆柱模型，在微波暗室中对缩比因子分别为1、2、4、8的2组模型进行了测试。在完成角度矫正等数据预处理基础上，将缩比模型RCS数据作为训练集代入模型当中求得参数，对原模型的RCS进行预估并与实际实测数据进行对比分析。结果表明:所提方法预估数据与实测数据曲线拟合度较好，相较于传统平方率模型，误差下降了3~5 dB，在回归模型中加入吸波材料因子后误差进一步下降了0.3~0.8 dB。      

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段；其次, 应用UKF对融合的时变参数进行滤波处理；最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。      

惯性平台系统摇摆条件下的漂移处理方法

惯性平台在摇摆条件下,由于轴端摩擦力矩的存在,导致在摇摆运动时影 响平台稳定性,引起平台各轴附加常值漂移。介绍了两种惯性平台摇摆条件下的漂移处 理方法, 第一种方法利用平台轴端框架角传感器的输出数据, 首先使用离散傅里叶变 换得到数据频谱, 其次根据数据频谱设计数字滤波器, 对得到的数据进行滤波处理, 最后使用线性回归法对滤波后的数据进行拟合, 从而得到摇摆条件下平台摇摆漂移; 第二种方法使用加速度计的输出, 根据敏感的加速度可以得到敏感轴与重力加速度的 角度, 由此计算出摇摆过程的漂移速度。实验表明, 频谱分析法可以进行三个方向的 计算, 但台体轴结果的稳定性不好; 加速度输出拟合方法虽只可进行两个方向的计 算,但稳定性较好。     

基于支持向量回归代理模型的气动力优化设计

目前,气动力优化设计中通常基于经验风险最小化原则构建代理模型,预测精度的提高需要更多的训练样本,计算代价较大,同时盲目降低代理模型的训练误差难以避免过学习问题。针对上述问题,首先提出采用支持向量回归(SVR)方法基于结构风险最小化原则构建代理模型的思路,然后对测试函数和翼型阻力进行预测,最后对某型运输机机翼进行优化设计试验。结果表明:与其他代理模型对比,基于SVR的代理模型在小样本情况下具有较好的泛化能力,并且能够快速准确地预测气动特性,在飞机优化设计中,可以提高工作效率,优化结果可靠、可控。     

基于LADRC的无人直升机轨迹跟踪

无人直升机轨迹控制系统是对多输入/多输出强耦合非线性系统进行解耦控制的系统。为解决无人直升机轨迹控制效果依赖于直升机物理参数的测量和辨识精度以及外部扰动大小问题,提出了一种基于线性自抗扰控制(LADRC)的多回路无人直升机轨迹控制系统。首先建立无人直升机X-Cell的飞行动力学模型,并引入风切变、大气紊流和突风模型以更加准确模拟真实飞行环境;然后对X-Cell进行配平计算以验证动力学模型和配平算法的准确性,并选取一组配平值作为轨迹控制仿真的初始状态和操纵量;随后根据被控量的动力学方程阶次选取对应的一阶和二阶LADRC基本控制器,并结合时间尺度原理,自内向外依次构建无人直升机的姿态、速度和位置控制回路,将三回路串联从而建立了无人直升机轨迹控制系统;而后进行了稳定性分析,特征根计算结果表明轨迹控制系统镇定了X-Cell开环系统不稳定的动态特性;最后将该控制系统应用于各种扰动下直升机轨迹跟踪仿真,结果表明本文无人直升机轨迹控制系统能很好地实现带爬升率的"8"字形轨迹跟踪,且相比于基于比例积分和微分(PID)控制的轨迹控制系统,该控制系统具有更优的鲁棒性和抗扰性。     

Intelligent modeling and identification of aircraft nonlinear flight

In this paper, a new approach has been proposed to identify and model the dynamics of a highly maneuverable fighter aircraft through artificial neural networks（ANNs）. In general, aircraft flight dynamics is considered as a nonlinear and coupled system whose modeling through ANNs, unlike classical approaches, does not require any aerodynamic or propulsion information and a few flight test data seem sufficient. In this study, for identification and modeling of the aircraft dynamics, two known structures of internal and external recurrent neural networks（RNNs） and a proposed structure called hybrid combined recurrent neural network have been used and compared.In order to improve the training process, an appropriate evolutionary method has been applied to simultaneously train and optimize the parameters of ANNs. In this research, it has been shown that six ANNs each with three inputs and one output, trained by flight test data, can model the dynamic behavior of the highly maneuverable aircraft with acceptable accuracy and without any priori knowledge about the system.     

Weighted marginal fisher analysis with spatially smooth for aircraft recognition

Due to limitations to extract invariant features for recognition when the aircraft presents various poses and lacks enough samples for training, a novel algorithm called Weighted Marginal Fisher Analysis with Spatially Smooth （WMFA-SS） for extracting invariant features in aircraft rec- ognition is proposed. According to the Graph Embedding （GE） framework, Heat Kernel function is firstly introduced to characterize the interclass separability when choosing the weights of penalty graph. Furthermore, Laplacian penalty is applied to constraining the coefficients to be spatially smooth in this algorithm. Laplacian penalty is able to incorporate the prior information that neigh- boring pixels are correlated. Besides, using a Laplacian penalty can also avoid the singularity of Laplacian matrix of intrinsic graph. Once compact representations of the images are obtained, it can be considered as invariant features and then be performed in classification to recognize different patterns of aircraft. Real aircraft recognition experiments show the superiority of our proposed WMFA-SS in comparison to other GE algorithms and the current aircraft recognition algorithm; the accuracy rate of our proposed method is 90.00% for dataset BH-AIR1.0 and 99.25% for dataset BH-AIR2.0.