基于GA-ELM的飞行载荷参数识别

针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(GA)和极限学习机(ELM)的GA-ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM网络输入层到隐含层的权值矩阵和隐含层偏移量;用GA-ELM模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA-ELM模型是一种有效且高精度的飞行载荷参数识别方法。     

涡扇发动机故障诊断硬件在回路实时仿真平台

硬件在回路仿真是发动机故障诊断算法由理论转向实际工程应用的重要阶段,但目前航空发动机故障诊断算法的研究多数处于软件数字仿真阶段。构建民用涡扇发动机故障诊断算法硬件在回路实时仿真验证平台,开发考虑健康退化的民用涡扇发动机多维调度分段线性化模型,分析并模拟仿真民用涡扇发动机的四类典型常见故障。经过对相关诊断算法进行实验验证,表明该平台及使用的模型和方法都是行之有效的,具有一定的工程使用价值。     

多通道控制／检测操纵台

本操纵台可以对６４个通道或号位的综合参数，如温度、压力、温度、物位、流量等刊物民检测，它具有两种功能；（１）对６４个地点的进行自动巡回控制／检测；（２）可随意对任意地的参数进行优化控制／检测。     

M40/4211 复合材料层合板铣削加工试验

通过分析碳纤维复合材料的性能特点及对切削加工性能的影响,提出了铣削刀具材料和几何结构形式的选用原则,介绍了几种适于碳纤维复合材料铣削的加工刀具。针对碳纤维复合材料中常用的M40/4211复合材料层合板进行加工缺陷试验和切削试验,总结出影响M40/4211复合材料层合板加工质量的因素及规律,得到每种刀具加工M40/4211复合材料层合板的最佳加工参数,较高的切削速度配合恰当的进给速度可以有效提高M40/4211复合材料层合板的加工质量和加工效率。     

基于叶尖定时的叶片耦合振动参数辨识与仿真

为了实时掌握叶片振动情况、预防故障发生,目前最常用的非接触振动测量方法是基于单自由度模型的叶尖定时法,但当叶片耦合振动时2个振动峰相隔很近,该方法无法同时识别出其振动参数。采用基于2自由度模型的曲线拟合方法,得到叶片耦合振动2个峰的初始相位等参数,用相位遍历法辨识出叶片的振动阶次和频率。结果表明:采用基于2自由度模型的曲线拟合方法提高了叶片耦合振动参数辨识的精度,辨识了相邻2个峰的振动参数。辨识振动与仿真参数设置基本一致。     

结构特征参数对发动机支点同心度的影响研究

航空发动机静子支点作为转子的支撑部位,由于制造工艺、装配误差和长时间工作的影响,较易出现支点不同心的现象。基于形状和位置公差理论,建立了一种发动机支点同心度的计算模型,并对某发动机的支点同心度分布进行了仿真计算。通过分析影响支点同心度的关键结构参数和测量支点同心度试验,提出了同心度的控制方法。结果表明:采用本文所述理论计算和控制方法,可准确地判断出发动机支点同心度是否符合标准,以便有针对性地选择调整措施,进而提高了发动机的装配质量,有效避免转、静子不同轴引起的碰摩问题,减小了发动机整机振动出现的几率。     

导弹撞地概率对参数选择的影响

研究了巡航导弹的撞地概率和系统参数选择的关系问题。首先在考虑了地形随机输入和低空风随机干扰共同作用的情况下，推导了撞地概率的计算方法。其次以导弹主要参数（ａ２４和Ｋｈ）的选择为例，在给定条件下求出了它们和撞地概率的关系曲线，并分析了它们对撞地概率的影响。研究结果表明，协调选择ａ２４和Ｋｈ等参数，能有效降低撞地概率，提高巡航导弹的作战效能。     

飞机带外挂对称结构振型局部化的参数影响

本文在文〔１〕研究的基础上，详细分析了飞机左右对称子结构间的耦合度以及外挂联接刚度失调量的大小等因素对振型局部化程度的影响。通过具体的数据揭示了各参数对局部化程序的影响规律。     

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。     

Inverse identification of constitutive parameters of Ti2AlNb intermetallic alloys based on cooperative particle swarm optimization

Ti₂AlNb intermetallic alloy is a relatively newly developed high-temperature-resistant structural material, which is expected to replace nickel-based super alloys for thermally and mechanically stressed components in aeronautic and automotive engines due to its excellent mechanical properties and high strength retention at elevated temperature. The aim of this work is to present a fast and reliable methodology of inverse identification of constitutive model parameters directly from cutting experiments. FE-machining simulations implemented with a modified Johnson-Cook (TANH) constitutive model are performed to establish the robust link between observables and constitutive parameters. A series of orthogonal cutting experiments with varied cutting parameters is carried out to allow an exact comparison to the 2D FE-simulations. A cooperative particle swarm optimization algorithm is developed and implemented into the Matlab programs to identify the enormous constitutive parameters. Results show that the simulation observables (i.e., cutting forces, chip morphologies, cutting temperature) implemented with the identified optimal material constants have high consistency with those obtained from experiments, which illustrates that the FE-machining models using the identified parameters obtained from the proposed methodology could be predicted in a close agreement to the experiments. Considering the wide range of the applied unknown parameters number, the proposed inverse methodology of identifying constitutive equations shows excellent prospect, and it can be used for other newly developed metal materials.