飞机新原理电液自馈能刹车系统设计与优化

当前,传统飞机液压刹车系统普遍采用集中式的机载液压源作为动力,液压能通过能源管路传输到刹车作动器,整个系统零部件数目众多,管路布局复杂,由此带来的管路振动、液压油泄漏等问题突出,限制了飞机刹车系统可靠性和可维护性的提升。近年来,一种飞机新原理电液自馈能刹车系统被提出,将模块化的"自馈能装置"安装在机轮附近,回收机轮着陆时的旋转动能,并将其转换成液压能,用于刹车作动。提出了一种利用波浪曲面进行取能的专用取能机构,设计了自馈能系统紧凑型专用取能机构,研制了高可靠、低能耗、高抗污染的自馈能刹车系统原理样机,完全实现了自馈能,即使飞机失去全部动力也能正常完成刹车功能,使抗污染等级从NAS6级提升到NAS10级,可靠性和可维护性优于传统液压刹车。     

混凝土自收缩的测定与模型分析

为了研究水胶比和粉煤灰掺量对混凝土自收缩的影响,建立了混凝土自收缩自动测量系统,并测定了水胶比分别为0.25,0.30,0.40和0.53的硅酸盐水泥混凝土及粉煤灰掺量为10%,20%,30%,40%,60%的粉煤灰混凝土的自收缩发展。以硅酸盐水泥水化动力学为基础建立了相应的数值模型,结果表明,硅酸盐水泥混凝土随着水灰比的降低,混凝土的自收缩发展越迅速,最终收缩值越大,掺加粉煤灰后,可以明显降低混凝土的自收缩值和自收缩的发展速率。     

模糊自组织网络在刀具磨损状态监测中的应用(英文)

应用模糊逻辑和无教师自组织神经网络进行车削过程刀具磨损状态监测.根据典型切削条件组合建立由多个子网络组成的自组织网络阵列,其中每一子网络对应一种典型切削条件,并进行训练.对于具体切削条件,运用模糊逻辑技术选取对应的优化子网络.文中所建名为Fuzzy-SOM-TWC监测系统的运行基于加工过程实时采集的切削力、声发射以及电机电流信号.切削实验用于训练和检验监测系统,实验结果显示其对于刀具磨损状态的识别正确率可达到98%-100%.     

ZVS双正激直/直变换器

提出了一种ZVS双正激直/直变换器拓扑，该拓扑不仅保留了双管正激变换器开关电压应力低、可靠性高的优点，而且较普通的交错并联双管正激变换器减少了两个箝位二极管。电路不仅实现了原边开关管的零电压开通和关断，而且副边整流二极管不存在电压尖峰。文章详细分析了该变换器的工作原理，给出了变换器的输出特性和实现ZVS开通的条件，并用一个2kW的原理样机进行了验证，最后给出实验结果。     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。     

自调谐宽频带压电振动发电机的改进

压电振动发电机使无线传感器网络实现能量自给。然而,压电振动发电机仅在与外界振源共振时才得到较高的能量转换效率。为此提出一种改进的自适应频率调谐的压电振动发电机,利用同步开关刚度控制电路改变结构固有频率,使之趋近于激励频率,是一种控制简单、控制效果好的半主动控制方法。在建立系统机电模型基础上,推导了开关控制电路相关公式,并根据系统特点运用基于梯度法的模型参考自适应控制方法。实验结果与理论分析结果一致,改变调频系数,结构固有频率相对变化率可以达到5.1%,且在一定频率调节范围内可以实现自供能。     

双输出移相配电变压器抑制输出电压畸变特性

探讨了双输出移相配电变压器抑制输出电压畸变的机理,对变压器谐波阻抗与绕组结构之间的关系进行了研究。通过建立双输出移相变压器的场路耦合模型,对两种不同形式的变压器(双输出移相变压器和Dyn连接变压器)输出电压的谐波特性进行了分析计算,研究结果表明:由于双输出移相变压器可以抑制3倍次、5和7次谐波电流,因此对应的3倍次、5和7次谐波阻抗较低,在带非线性负载情况下输出电压的畸变得到明显改善。     

标准压力源自校准方法探讨

当前以压力传感器为一次仪表组成的标准压力源,用软件实现自校准既可提高校准效率,又能提高仪器的性价比.对标准压力源的软件自校准方法进行了探讨.     

复合舵机的神经网络自校正控制

针对复合舵机的时变和非线性特性,提出了神经网络自校正控制方法.用改进的非线性自回归滑动平均模型(NARMA)对复合舵机进行动态建模,采用多层感知器神经网络辨识舵机非线性模型,由广义逆思想设计出控制器,并根据被控对象与辨识模型间误差在线调整网络权值,进而修正控制律,实现了复合舵机的自校正控制.仿真结果表明,在模型有时变及非线性因素的情况下,此方法仍能得到较好的控制效果.