进口导叶形式对核心机驱动风扇级的影响

以某变循环发动机(VCE)所用核心机驱动风扇级(CDFS)为研究模型,数值模拟了CDFS在真实边界环境下的流动特性,分析了单/双涵道工作模式下,不同形式的可调进口导叶(IGV)对CDFS流动特性及性能的影响机理。结果表明:不同工作模式时,CDFS靠导叶角度的开闭实现大范围的流量调节。单涵道(SB)工作模式时,不同形式的可调进口导叶(VIGV)对CDFS性能的影响差异很小;双涵道(DB)工作模式时采用常规可调导叶(CIGV)会在其吸力面产生较大的流场分离,且流通能力和流量调节范围大大降低。可变弯度导叶通过可转动部分的开闭实现CDFS对流量调节的需求;通过固定部分保证CDFS导叶进口气流攻角基本不变,同时在固定部分和可转动部分连接处所形成的收缩通道的加速效应显著抑制了导叶吸力面的流动分离。可变弯度导叶是适用于CDFS在不同工作模式下性能参数及流量调节需求的可调导叶的形式。     

航空活塞式发动机瞬态空燃比控制仿真研究

针对航空活塞式直喷发动机瞬态空燃比难以精确控制、动态超调大等问题,采用基于改进的粒子群优化算法和Elman神经网络(VPSO-Elman网络)的模型预测控制算法对发动机过渡工况空燃比进行控制。在实验数据的基础上,利用发动机建模软件AMESim建立发动机模型,在MATLAB/Simulink中建立VPSO-Elman空燃比预测模型控制系统,通过联合仿真检验控制系统的性能。结果表明:瞬态工况下,相比于比例-积分-微分（PID）控制,VPSO-Elman网络模型预测控制下的空燃比超调量可以减小约20%,回调时间缩短约75%;针对不同的节气门开度变化速率,VPSO-Elman控制器同样具有良好的控制效果。      

串联式TBCC发动机风车冲压模态性能模拟

建立了基于部件低转速特性匹配的串联式涡轮基组合循环（TBCC）发动机风车冲压模态性能计算模型,提出了压气机低转速大流量特性扩展方法,由换算扭矩代替等熵效率表示旋转部件特性,解决了低转速部件效率不连续相关问题。分析了冲压外涵面积变化和涡轮功率提取对风车冲压模态性能及部件匹配的影响规律,并基于推力、流量连续准则设计了涡轮模态至冲压模态转换过程（含风车冲压模态）的参数调节规律。计算结果表明:在风车冲压模态下,冲压外涵面积变化对风扇工作状态有显著影响,对压气机影响较小;涡轮可提取功率随着风车转速的减小先增加后降低,比冲随提取功率的增加基本呈线性降低趋势,功率提取位置（高、低压涡轮）对部件匹配有显著影响。      

基于ARCN模型的轴承故障诊断

提出注意力循环机制与胶囊网络融合的注意力循环胶囊网络（ARCN）的诊断模型。提取时序特征信息构建初级胶囊;自适应融合路由机制、注意力循环机制构建数字胶囊特征;基于西储大学轴承实验数据,验证了ARCN模型的准确率、鲁棒性、稳定性、收敛误差,其准确率相比Caps模型识别准确率提高1.2%、收敛误差达到0.2。基于实验仿真平台,采集正常、内环故障、外环故障和滚动体故障的振动信号,并通过小波基变换获取的时频图构建ARCN模型的数据集。仿真实验结果表明:ARCN模型下,每类故障被误诊的概率不超过总样本的1%。      

基于神经网络的导弹制导控制一体化反演设计

针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。     

拦截弹道快速设计方法

针对传统优化算法在解决多约束条件下拦截弹道设计问题时迭代计算耗时过长的缺点,提出了一种快速拦截弹道设计方法.该方法基于人工神经网络的非线性拟合技术,先通过普通优化算法进行离线样本计算,对样本中目标位置和优化得到的飞行程序参数进行输入-输出映射拟合训练,从而实现在给定目标位置的情况下对最优飞行程序参数的快速计算,达到提高拦截弹道设计效率的目的.经过数值仿真验证,将该方法应用于拦截弹道设计,在保证良好命中精度的同时,设计所需的计算时间大大减少,从而提高了弹道设计的时效性.      

基于Deform软件二次开发和BP神经网络的TA15多向锻造微观组织预报

通过热压缩实验构建了TA15合金的热变形真应力-应变曲线,以此为基础分别建立了合金双相区及单相区温度区间的热变形本构方程;基于热压缩试样动态再结晶的统计数据建立了TA15合金的动态再结晶模型。借助Deform提供的二次开发功能实现相关数学模型的程序化,制定正交实验方案,实现了TA15合金多向锻造变形的微观组织仿真。通过正交实验分析得出各项因子的影响对象及强弱差异,提出了双相区及单相区温度区间内的多向锻造最佳因子组合。建立了TA15合金多向锻造变形微观组织的BP （Back Propagation）神经网络预测模型,将预测结果与有限元仿真结果进行比较,结果表明两种方法的预测结果基本一致,但神经网络具备有限元仿真难以实现的良好细节预测能力,能更为细致地实现对微观组织分布状态的划分。     

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

多循环脉冲爆震发动机爆震室内部压力分布实验研究

利用基于多循环吸气式脉冲爆震发动机的实验获得了沿爆震室轴向9个位置的实时压力数据,经过对数据进行时域和频域的分析处理后,利用MATLAB软件的GRIDDATA函数拟合出了6个工作频率下某个循环时爆震室内压力随轴向位置及时间变化的三维图形.通过对拟合后的数据从不同角度进行分析,发现采用爆燃向爆震转捩(DDT)方式起爆会在爆震波形成前生成一个局部爆轰区、爆震波形成后平均速度维持在1000m/s左右,且峰值压力升高、随机性增大.该实验的研究结果为爆震室的结构强度研究提供了依据.