防护涂层对Ni3Al基合金IC6AE微观组织和抗腐蚀性能的影响

采用料浆法和粉末包埋渗法在Ni3Al基等轴晶合金IC6AE上分别制备了Al-Si和NiCr-CrAl涂层,并对Al-Si和NiCr-CrAl涂层及不加涂层的IC6AE合金三种试样进行900℃/20h,40h,60h,80h,100h的涂盐(5wt%NaCl 95wt%Na2SO4)抗腐蚀性能试验.试验结果表明,与Al-Si涂层试样和无涂层IC6AE合金试样相比,NiCr-CrAl涂层试样表现出最好的抗热腐蚀性能;与无涂层的IC6AE合金试样相比,Al-Si涂层试样的抗腐蚀性没有明显的改善.微观结构分析表明,无涂层的IC6AE合金在900℃时经过几个小时后就遭到了严重的腐蚀破坏.涂盐腐蚀100h后,表面生成了一层主要由Mo,Ni的氧化物组成的多孔无保护性的疏松层.对于Al-Si涂层的试样,900℃/100h腐蚀后试样表面生成了大量Mo,Ni的氧化物,此外还有少量Al2O3及NiAl3相,这些相对样品有一定的保护作用.涂覆NiCr-CrAl涂层的样品经900℃/100h腐蚀后,试样表面主要生成了连续致密的Al2O3及NiAl2O4层,并有少量的Mo,Ni的氧化物,因此对合金有着较好的保护作用,抗腐蚀性能得到了显著改善.     

基于mSDTFT的无速度传感器异步电机转速估计

采用Teager-Kaiser能量算子对定子电流进行解调,有效消除了基频频谱泄露对提取转子速度谐波的影响,然后分析了SDTFT对转速估计精度的影响,在此基础上提出一种新的mSDTFT频谱分析方法估计转速。该方法有效降低了计算开销,特别是可以只针对某些需要的谱线进行计算,提高了谱分析的灵活性和高效性。试验结果表明,所提方法在不同负载条件下能够有效提取转子速度谐波,且具有较高的转速估计精度。     

基于离散反电动势估计的永磁同步电机无速度传感器控制

针对高速永磁同步电机(PMSM)的无速度传感器控制问题,提出了一种基于离散反电动势估计的PMSM无速度传感器控制策略。实施离散反电动势估计的设计有三点:首先,设计了离散dq电流观测器以消除反电动势估计中的电感交叉耦合效应;然后,设计了延迟补偿模型以补偿数模转换引起的电压误差,同时设计了较为精确的离散模型,以克服由数字实现导致的估计反电动势和实际反电动势之间的偏差;最后,开展了高速PMSM驱动试验,试验结果验证了所提出的高速PMSM无速度传感器控制方案的性能。     

基于最小约束系统的分布式协作定位研究

5G移动通信系统中,设备到设备的通信方式产生了节点间的信号测量,可用于提升无线定位的覆盖范围和定位精度。提出了一种基于最小约束系统的分布式协作定位方法,该方法首先利用已有算法估计节点参考位置,并据此构建最小约束确定网络的位置及朝向,然后在该约束下极大化由节点间测量引出的似然函数,获得位置估计。理论研究表明,该方法将由节点间测量确定的相对位置拟合到参考位置处,在参考位置等于真实位置时达到最优效果。仿真结果表明,该方法可有效提高定位精度,并具有分布式和可扩展等优点。     

多支点柔性转子系统临界转速稳健设计方法

基于响应面法和容差模型提出了定量考虑参数变差影响的转子系统临界转速稳健设计方法。该方法利用响应面模型获得多参数、多目标之间的函数关系,并以多阶临界转速分布为约束条件、以临界转速对支承刚度变差敏感度最低为设计目标。对小涵道比涡扇发动机低压转子系统临界转速稳健设计结果表明:在考虑各支点支承刚度变差情况下,采用多参数、多目标稳健设计方法,可保证多支点柔性转子系统的临界转速特性在满足设计要求的同时,转子系统临界转速对支承刚度变差的敏感度最低,验证了该方法的有效性。      

热障涂层表面裂纹水浸超声检测

为有效检测热障涂层(TBCs)表面裂纹,进行了热障涂层表面裂纹水浸超声检测技术的应用研究。以常用的大气等离子喷涂(APS)热障涂层作为试验材料,采用水浸超声检测回波声程差和C扫描图像对不同深度、宽度和长度的热障涂层表面裂纹进行了表征。结果表明:热障涂层基体材料对热障涂层表面裂纹的检测效果无明显影响;通过优化检测参数和合理选用仪器探头,利用水浸超声方法可实现对热障涂层表面深度为0.1 mm、长度为2 mm裂纹的有效检测;水浸超声检测技术可以获得裂纹的长度、深度参数,是解决热障涂层表面裂纹检测问题的有效方法。      

基于纵向滤波的星敏感器低频误差在线估计

多敏感器数据融合是获得更高精度姿态测量的有效方法,敏感器数据融合前必须先修正低频误差。首先,介绍了星敏感器低频误差（LFE）的产生机理及对其在线估计的必要性。其次,针对传统算法的不足,提出了基于纵向滤波的低频误差在线估计算法,该算法将传统低频误差估计问题转化为若干个常值误差估计问题,提高了估计精度。最后,给出了该算法具体实施方式,说明相关参数物理意义及选取原则。通过理论分析及仿真,算法误差可忽略不计。通过在轨数据仿真,星敏感器轨道周期低频误差可被消除。     

基于深度神经网络的粒子图像测速算法

粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。     

星敏感器在轨光行差修正方法研究

星敏感器作为目前航天器中最重要的姿态测量敏感器,其精度直接影响航天器姿态测量精度,因此对其误差源进行分析和修正则尤为重要。提出了一种星敏感器在轨光行差修正方法,根据光行差产生的原理和特点,将星敏感器沿探测器X和Y方向产生的光行差误差角巧妙地转换为光行差误差四元数,并直接对输出四元数进行修正,从而为修正星敏感器光行差提供了一种方便简洁的方法。     

基于PID和LESO的无人机控制

针对四旋翼无人机控制模型耦合程度高、非线性关系复杂,设计了一种基于PID和LESO的控制方法,选取无人机的某个状态变量作为控制量,通过简化模型对状态变量进行解耦控制,进而在控制系统中加入线性扩张状态观测器(LESO),提高模型的抗干扰能力。通过仿真和实际飞行与传统PID方法进行比较,充分验证了自抗扰控制(ADRC)在无人机飞行控制中具有鲁棒性强、精度高、易于实现等特点。