基于LMI的一类非线性离散动态系统的鲁棒故障诊断

 针对一类非线性不确定离散动态系统 ,提出了一种新型鲁棒故障诊断方法。该方法不但能够对被诊断系统进行故障检测 ,而且同时能够实现故障的分离和辨识。它首先通过构造一个辅助系统 ,将故障的辨识问题转化为min max问题 ,并且通过巧妙设计辅助系统的输出增益矩阵 ,使得辅助系统与被诊断系统的状态差值方程和输出差值方程稳定 ,然后将min max问题转化成LMI问题 ,最后通过求解LMI问题来实现故障诊断。分析了故障诊断方法的鲁棒性、灵敏度和故障的辨识误差。仿真结果验证了该方法的有效性。     

线性规划问题的一个数值解法

通过用一组非线性方程组来逼近线性规划的Kuhn-mcker条件方程，从而将求解线性规划问题转化为一个用Newton迭代法来求解非线性方程组的问题。经数值计算表明，该算法在一般情况下能实现快速收敛。     

助推-滑翔式弹道中段的近似解

研究了助推-滑翔式弹道中段的近似解。首先根据不同假设条件,给出以下四种情况的近似解:(1)自由飞行段的解;(2)只考虑气动力常迎角飞行段的近似解;(3)考虑引力和气动力的合成解;(4)平衡滑翔解。再由上述近似解合成助推-滑翔弹道中段的分段近似解。通过与数值解的对比,验证了近似解的合理性。研究结果可为新型助推-滑翔式飞行器在方案论证阶段时的弹道特性分析以及射程、峰值热流和过载等特征参数的估算提供依据。     

扫频式射流对涡轮叶栅间隙泄漏流动影响的数值研究

为控制涡轮叶栅中叶顶间隙泄漏流动和改善涡轮气动性能,将扫频式射流器(SJA)作为一种主动流动控制方法应用在涡轮叶栅的研究中。通过非定常数值计算,分析了SJA对涡轮叶栅叶顶间隙流动的作用过程以及作用机理,并且研究了不同工况下SJA对涡轮叶顶流场改善效果以及不同频率的SJA对叶顶流场的影响。结果表明:通过在涡轮叶栅上端壁增加单个SJA装置,可以有效地延迟上端壁的流动分离,其中最佳方案射流流量仅为进口总流量的0.35%,涡轮叶栅出口截面总压损失系数减少了11.48%。存在着最佳的频率284Hz,使SJA装置对流场的作用效果最佳,有效地改善了涡轮叶栅内的间隙流动。     

基于抽吸的亚声速平面叶栅风洞流场品质控制研究

提升平面叶栅风洞流场品质对于获取高质量、低不确定性的试验结果尤为重要。基于对原始叶栅风洞的测量结果,本文采用数值模拟方法进一步分析了来流攻角对叶栅流场品质的影响机理,并在试验段上侧壁不同位置处设置了两种抽吸方案,研究了抽吸槽位置以及抽吸流量对平面叶栅风洞流场品质的控制效果。研究结果表明：叶栅风洞固有结构对流场品质的影响随来流攻角的增大而增大,使叶栅进口的准确性和均匀性以及出口的周期性下降,可用测量范围缩小;抽吸能够减弱靠近上侧壁的三个通道的堵塞程度,从而扩宽进口均匀性及出口周期性的范围,使进口马赫数偏差小于0.01,进气角偏差小于0.5°;在可移动上侧壁和叶栅首叶片之间进行抽吸对叶栅进口均匀性提升较大,但对出口周期性提升很小;在叶栅首叶片吸力面中后部进行抽吸能够同时提升进口均匀性和出口周期性;在可移动上侧壁和叶栅首叶片之间开抽吸槽比在叶栅首叶片吸力面开设抽吸槽具有更好的工程应用性,但临界抽吸流量增加了两倍。     

以激光束为基准测量工作台直线运动误差的原理探讨

提出一种以两束激光为基准测量工作台直线运动误差(五个自由度)的方法,并根据刚体运动学的基本原理导出了相应的数学模型。所获得的误差计算公式形式简单,计算方便,适用于实时、现场运动精度测量及补偿。     

一种新的圆弧插补算法—角度逼近法

提出了一种新的圆弧插补算法——角度逼近法。分析了该算法的计算精度,并将该算法与其他圆弧插补算法进行了比较。     

平面超椭圆曲线的二次NURBS逼近

基于超椭圆曲线的基本性质、方程及其图形表示,研究了超椭圆曲线指数s和欲逼近的二次NURBS曲线权重系数w之间的对应关系,给出了超椭圆曲线的一种高精确的二次NURBS逼近方法,避免了因超椭圆曲线取点误差而可能产生的对生成曲面的影响,也大大缩减了计算量。文中给出了超椭圆曲线的二次NURBS逼近效果图,探讨了将此方法用于飞机机身曲面外形设计的相关步骤。     

光流场重建线性算法的实验模拟

由光流场重建三维运动和结构是计算机视觉研究中的热点和前沿，它分为线性算法和非线性算法。非线性算法的初始值选取非常重要，否则会导致算法失败。本文提出了一种由光流场重建三维结构线性算法的实验模拟新方法，该方法巧妙地利用合成数据和图像序列验证了重建的线性算法，该思路也适用于其它算法。     

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。