1 种自适应循环发动机亚声速巡航节流性能研究

推进系统亚声速巡航的燃油经济性是决定战斗机作战半径的主要指标。在巡航过程中会因减少发动机推力带来进气道溢流量增加,使推进系统燃油经济性降低。自适应循环发动机如何利用自身变循环特征减小进气道溢流进而提高推进系统燃油经济性是解决这一问题的关键。研究了1种在亚声速巡航状态带可变风扇系统的自适应循环发动机,利用自身变循环特征,实现等流量降低推力的方法。通过对可变几何机构组合调节的研究,获取了等流量节流方案,并分析了发动机在这一过程中的性能和匹配情况。结果表明:这种带可变风扇系统的自适应循环发动机能够在一定推力范围内实现等流量节流,减少进气道溢流量,提升推进系统在亚声速巡航状态的燃油经济性。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。     

深冷组合循环发动机吸气模态循环分析与设计可行域研究

为了研究类似SABRE3结构的深冷组合循环发动机,建立了基于部件法的发动机设计点热力学计算模型,提出了发动机氦循环新的循环效率和循环特征参数的定义。考虑发动机参数的物理限制条件及不同工质循环之间的相互影响,求解得到了空气路、氦气路重要参数的设计可行域。在可行域内开展了空气路和氦气路的循环分析,获到了冷却当量比、性能参数等主要参数的分布结果。结果表明:此发动机空气热功转换比ηt2为0.02～0.746。氦循环设计可行域受ηt2及换热器热负荷限制;循环起始温度和热负荷限制确定的情况下,ηt2越低氦循环可行域越窄。降低发动机冷却当量比的关键是:提高换热器1的氦出口温度以降低氦流量;当换热器1和换热器2的氦出口温度同时取得最大值时,冷却当量比取得最小值。换热器1和2的氦出口温度分别取1200K和1300K时,空气路可行域内冷却当量比为0.917～2.64。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

临近空间动能拦截器神经反演姿态控制器设计

为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数（RBF）神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率（PSR）脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制（PWPF）调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。     

融合机床精度与工艺参数的铣削误差预测模型

为弥补现有五轴联动数控铣床加工飞机结构件的加工精度评估系统的不足,提出利用机床精度检测数据和零件特征及其工艺参数来构建评估指标体系,基于BP神经网络建立了飞机结构件加工误差预测模型。通过完成训练的网络权值分布,计算出各输入指标对最后评估结果的影响,并通过实例分析检验了模型的可靠性。结果表明,经BP神经网络模型训练得到的结果和样本零件的三坐标测量机测量数据基本吻合,选取的评价指标具有有效性。该评估模型能够有效地融合机床精度检测数据和零件特征及其加工工艺参数,对飞机结构件的铣削加工误差进行预测。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

基于改进NS-SOMA 的变循环发动机解耦控制方法

针对XTE76变循环发动机的控制结构问题,研究了2分块之间进行解耦的控制方法。基于内模原理,设计状态反馈控制器结构,以无超调快速跟踪和耦合抑制为目标,提出了改进的非支配序自组织迁移(NS-SOMA)多目标优化算法,在每代中按照与领导者的欧式距离均匀选择粒子进行迁移,提高了算法的收敛速度和精度,以此优化控制器参数,有效抑制了分块之间的耦合。同时研究了变循环发动机不分块的3变量控制方法,直接通过多目标优化抑制回路之间的耦合效应。在某型变循环发动机部件级模型上进行仿真验证,结果表明:不分块结构优于其他2种结构,相比分块控制结构,引起的最大耦合降低了30%,说明多变量综合控制更能充分利用现代控制理论解决回路之间的耦合问题。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。