基于人工蜂群算法的航空发动机参数自整定PID控制

针对航空发动机PID控制器的参数寻优问题,提出基于人工蜂群算法(ABC)的航空发动机PID控制器参数自整定的方法。利用人工蜂群算法实现容易、计算简洁、寻优性能好、鲁棒性强的优点,优化PID控制器参数,以改善控制系统性能。考虑到可能存在的执行机构输出量的极大超调,融入执行机构输出的超调量惩罚机制,改进目标性能函数,有效避免了可能存在的发动机供油量极大超调现象。对涡扇发动机在地面和高空稳态工作点的增量形式的线性化数学模型进行了仿真验证,结果表明优化效果良好,转速阶跃响应反应迅速且超调量小,同时供油量也没有出现大的超调,验证了所提方法的有效性和实用性。     

复合材料层压结构铺层顺序优化设计特征提取算法

受在感知过程中抓住主要特征的启发,结合复合材料层压结构优化问题的特点,借鉴遗传算法、蚁群算法等模拟进化优化算法的流程,提出1种特征提取的优化算法。根据目标函数值f(→Xj)(j=1,2,…m)的大小,对相应的m个设计变量向量→Xj=(x1,j,x2,j,…,xi,j,xn,j)(j=1,2,…m)进行排序;在一定的背景噪声S下,根据特征提取指示向量P提取群组中较优方案的共同特征,生成m个新的设计变量→X′j。算例验证表明,所提出的算法是有效的。     

基于双判定准则的航空发动机叶片缺陷孔洞的边界提取

航空发动机叶片缺陷孔洞的几何形状复杂、位置分布散乱且曲率变化明显,使用单一判定准则难以完整地提取其边界特征点.为实现叶片缺陷孔洞边界的精准提取和孔洞边界线的平滑拟合,提出了一种基于双判定准则的航空发动机叶片缺陷孔洞边界特征点的提取算法.该算法采用K–Dimension tree(K–D树)建立点云的空间拓扑结构,以采样...     

流体力学深度学习建模技术研究进展

深度学习技术在图像处理、语言翻译、疾病诊断、游戏竞赛等领域已带来了颠覆性的变化。流体力学问题由于维度高、非线性强、数据量大等特点,恰恰是深度学习擅长并可以带来研究范式创新的重要领域。目前,深度学习技术已在流体力学领域得到了初步应用,其应用潜力逐渐得到证实。以流体力学深度学习技术为背景,结合课题组近期研究结果,探讨了流体力学深度学习建模技术及其最新进展。首先,对深度学习技术所涉及的基本理论做了介绍,阐释流场建模中常用深度学习方法背后的数学原理。其次,分别对流体力学控制方程、流场重构、特征量建模和应用等几个典型的人工智能与流体力学交叉问题应用场景所涉及的深度学习技术研究进展进行了介绍。最后,探讨了流体力学深度学习建模技术所面临的挑战与未来发展趋势。     

一种估计线性调频信号参数的方法

合成孔径雷达实际发射的脉冲信号并非标准的线性调频信号 ,而是带有高次相位误差的调频信号。在高次相位误差较大的情况下 ,将对成像质量产生影响。因此 ,必须对发射信号的线性调频项和高次相位误差进行测试。文中提出利用一维相位解缠和多项式拟合测试发射脉冲信号参数的方法 ,仿真结果表明 ,具有较高的估计精度和较好的实用性     

Real-time fault detection method based on belief rule base for aircraft navigation system

Real-time and accurate fault detection is essential to enhance the aircraft navigation system’s reliability and safety. The existent detection methods based on analytical model draws back at simultaneously detecting gradual and sudden faults. On account of this reason, we propose an online detection solution based on non-analytical model. In this article, the navigation system fault detection model is established based on belief rule base (BRB), where the system measuring residual and its changing rate are used as the inputs of BRB model and the fault detection function as the output. To overcome the drawbacks of current parameter optimization algorithms for BRB and achieve online update, a parameter recursive estimation algorithm is presented for online BRB detection model based on expectation maximization (EM) algorithm. Furthermore, the proposed method is verified by navigation experiment. Experimental results show that the proposed method is able to effectively realize online parameter evaluation in navigation system fault detection model. The output of the detection model can track the fault state very well, and the faults can be diagnosed in real time and accurately. In addition, the detection ability, especially in the probability of false detection, is superior to offline optimization method, and thus the system reliability has great improvement.     

转子故障的连续小波尺度谱特征提取新方法

引入图像分析方法,提出了直接从转子故障信号连续小波尺度谱中提取图像纹理特征的新方法.首先,通过转子故障模拟实验台采集了不平衡、不对中、碰摩及油膜涡动等典型故障信号;然后,分析了故障信号尺度谱的差别及所提取出的数字特征对故障的敏感性;最后用结构自适应集成神经网络进行了智能诊断实验,结果表明了本文所提出的尺度谱数字特征对转子故障诊断的有效性.      

基于远场涡流技术的油气集输管道缺陷检测研究

由于石油和天然气在集输过程中含有大量腐蚀成分,会对集输管道造成腐蚀形成穿孔、凹槽等缺陷,为了保证集输管道的安全,需要对腐蚀缺陷进行检测。本文运用远场涡流检测原理,建立了基于集输管道的远场涡流仿真模型,通过管道缺陷对磁感应强度轴向分量幅值和相位的影响进行分析,得出了管道内壁缺陷的深度与对应检测信号的关系,解决了对缺陷深度的定量测量问题。     

复杂背景下磨粒显微图像分割

针对DMAS系统中复杂背景下磨粒图像的自动分割问题，根据磨粒图像的相关特征，充分利用领域知识，基于图像分割和边界跟踪的思想，选取了适合磨粒图像分割的最大类间方差阈值法，并结合腐蚀、膨胀等图像处理技术，实现了复杂背景下磨粒图像的有效分割和目标提取。最后算例表明了本方法的简洁有效性。本文研究将对进一步展开磨粒识别和机械设备故障诊断研究工作提供前提和依据。