水冲压发动机的热力循环性能预示

针对采用二次进水机制的水冲压发动机,基于特殊的工作方式初步建立了相应的热力循环模型,进而在不同的发动机工况下分析了循环热效率性能。选定水反应金属燃料基础配方为Mg/AP/HTPB的混合物,在不同组分配方条件下,相应发动机热力循环效率随各影响参数的变化规律一致,均随燃烧室压强和水反应金属燃料中金属含量的增加而呈增加趋势,相反,水燃比的增加会引起热效率的降低。特别地,给定一合理水燃比3.0,保持燃烧室压强和航行器航深分别为2.5 MPa和10 m,50%和60%镁含量的水反应金属燃料对应发动机的循环热效率分别为37.78%和44.38%,初步验证了基于联合循环的水冲压发动机良好的循环性能。     

氢氧全流量补燃循环发动机富燃预燃室试验

为了获得全流量补燃循环发动机的富燃预燃室可靠点火、稳定燃烧和均匀的出口燃气,对富燃预燃室头部喷注器排布方案展开了研究。对设计的中心燃烧区和环形燃烧区两种不同头部方案进行了试验,得到了富燃预燃室的压力曲线和预燃室出口的温度分布。试验结果表明:相比中心燃烧区结构方案,环形燃烧区结构方案更容易获得可靠的点火和稳定的燃烧,有更好的燃气均匀度。相比常规的富燃预燃室,全流量补燃循环发动机的富燃预燃室工作温度更低、混合比更小。相比使用液氧的方案,使用气氧的富燃预燃室在启动、关机过程更迅速、平稳。     

神经网络和专家系统复合材料优化设计研究

论述了复合材料设计及优化的基本方法,介绍了神经网络和专家系统人工智能方法,并对复合材料设卉及优化中的两种智能方法进行了详细论述,总结了两种方法在复合材料优化设计中的分类、建模、预测和应用.举例说明了神经网络和专家系统方法在复合材料优化设计中具有重要的研究价值.最后对该领域的发展提出了建议.     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

基于弹性小波神经网络的故障诊断研究

航空电源系统是机上设备的重要组成部分,任意一个环节出现故障,将会影响整个飞机系统的正常安全运行。针对神经网络收敛速度慢,易陷入局部最小的缺点,将小波神经网络结合弹性BP算法应用到电源系统故障诊断中。训练过程及仿真结果表明：小波神经网络故障诊断算法收敛时间方面表现更优,具有较高故障诊断率。     

雨流计数的递归算法

给出了疲劳分析中雨流计数法的另一种等效解释。在这个解释的基础上,提出了雨流计数的递归算法。该算法将包含多于一个应力峰值点的任意载荷 时间历程以两个谷值点为界分解成3个子段,每个子段用递归方法继续分解成3个更短的子段,直至每个子段仅包含一个峰值点或不包含峰值点为止。分解得到的仅包含一个峰值点的任意子段对应一个子循环,其应力的最大值和最小值在递归分解过程中可以同时算出。该算法不需像其他雨流计数算法那样在剔除局部子循环的峰、谷点数据后重新整理载荷 时间历程,也能保留各应力子循环出现的先后次序信息,且最先分离出来的可以是变程最大的应力循环。算法的缺点是不适合实时疲劳损伤计算,且算法在实现时需要计算机为其堆栈分配较多的存储器空间。     

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

变循环发动机总体结构和模式转换机构研究

根据1种涡扇发动机的总体结构设计方案,围绕变循环特征的适应性进行了改进设计,给出了变循环发动机的总体结构初步方案,设计了模式转换原理及其结构实现方案;以其可调面积涵道引射器的设计为例,进行了模式转换机构运动仿真及其关键件的有限元分析,从机构运动和强度分析方面确定了该方案的可行性.     

基于共轭循环平稳特性的二维波达方向估计方法

 提出了一种具有阵列孔径扩展能力的共轭循环平稳二维波达方向（DOA）估计方法。该方法通过引入伪采样,充分利用了阵元输出之间共轭循环互相关函数的时间维信息,扩展了阵列有效孔径,提高了算法DOA估计精度,具有较好的低信噪比适应能力。该方法避免了最优时延选择问题,无需谱峰搜索,且其二维角度参数能够自动配对,具有较低的计算量。计算机仿真结果验证了该方法的有效性。     

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。