航空滚动轴承振动特征的故障灵敏度分析与融合技术

针对工程中航空滚动轴承实时状态监测的需要,提出了基于标准化欧氏距离的多特征融合评估方法。首先,进行了航空滚动轴承故障模拟试验,引入了故障灵敏度的定量评价指标,对融合前后特征的故障灵敏度进行了分析;在此基础上,将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较;最后,进行了轴承疲劳加速试验,将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计,基于标准化欧氏距离的融合值的故障灵敏度更高;其对不同类型、不同阶段的航空滚动轴承故障更加灵敏,相比于有效值更适合作为航空滚动轴承状态监测的指标。      

机翼缘条喷丸强化变形模拟与参数优化

机翼缘条是连接飞机机翼与中央翼盒的重要结构件,其制造精度要求较高.喷丸强化后,该零件在啧丸残余应力的作用下会产生弯曲变形,需要通过优化不同位置的喷丸强化参数以减小弯曲变形量.首先,在喷丸强度的许可范围内进行了喷丸强化试验,并通过X衍射测量,建立喷丸参数与喷丸残余应力场间的函数关系;其次,设计Box-Behnken试验,通过等效喷丸变形模拟方法,得到了不同喷丸参数下机翼缘条的变形量,建立了缘条变形量与喷丸参数间的函数关系,根据Box-Behnken试验分析,结合工程条件得出了一组最优的喷丸强化参数;利用该组最优喷丸参数进行缘条的变形模拟和喷丸强化试验,发现喷丸变形的模拟与试验结果均较小,从而验证了缘条零件变形模拟和喷丸参数优化的有效性.     

金属壳固体波动陀螺信号提取方法研究

金属壳固体波动陀螺是利用驻波的进动特性来敏感输入角速率的一种新型 壳体振动陀螺,具有结构简单、功耗低、抗冲击性强、稳定性高等优点,可广泛应用于 中低精度角速度测量领域。针对金属壳固体波动陀螺信号提取方法进行研究,在分析其 工作原理和基本数学模型的基础上, 提出利用四回路控制方法, 进行角速度解算。首 先,通过激励电极和反馈电极对振子振动特性进行控制;其次,通过阻尼电极和检测电 极抑制振子振型偏移;最后,根据阻尼控制力解算出输入角速度。通过仿真计算,给出 了角速度解算结果,验证了该方法的有效性。     

基于INS/GNSS紧耦合组合的逐步诱导式欺骗检测算法研究

传统惯性辅助GNSS欺骗信号检测方法对小于纯惯导误差漂移的逐步拉偏不敏感。针对这一问题,提出了一种基于INS/GNSS紧耦合组合的逐步诱导式欺骗信号检测方法。基于短时间内纯惯性导航结果和短时间惯导系统位置误差传播模型,利用惯导提供的位置和速度对伪距和伪距率时间序列进行预测估算,并结合伪距、伪距率实际测量结果,分别构造位置/伪距和速度/伪距率时间序列模型做参数拟合。基于真实信号得到的模型参数都是由惯导系统误差造成的,具有一致性;而基于逐步诱导式欺骗信号得到的模型参数还与欺骗策略的设定、载体飞行轨迹的观测以及干扰源的位置有关,具有不一致性。通过对比模型参数可判别欺骗信号的存在,对于真实信号,采用紧耦合组合导航修正INS输出;对于欺骗信号,继续惯性导航并采取相应措施。最后,根据逐步诱导式欺骗原理进行实验仿真,验证了算法的可行性和有效性。     

Spectral-spatial target detection based on data field modeling for hyperspectral data

Target detection is always an important application in hyperspectral image processing field. In this paper, a spectral-spatial target detection algorithm for hyperspectral data is proposed. The spatial feature and spectral feature were unified based on the data filed theory and extracted by weighted manifold embedding. The novelties of the proposed method lie in two aspects. One is the way in which the spatial features and spectral features were fused as a new feature based on the data field theory, and the other is that local information was introduced to describe the decision boundary and explore the discriminative features for target detection. The extracted features based on data field modeling and manifold embedding techniques were considered for a target detection task. Three standard hyperspectral datasets were considered in the analysis. The effectiveness of the proposed target detection algorithm based on data field theory was proved by the higher detection rates with lower False Alarm Rates (FARs) with respect to those achieved by conventional hyperspectral target detectors.     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

基于性能退化缓解的双发推力匹配控制

为了解决退化程度不同而导致的双发推力不匹配问题,首先介绍基于发动机性能退化缓解控制的双发推力匹配控制系统(在发动机基准控制系统的基础上添加外围控制回路实现对推力的间接控制,并通过设定双发共同遵循的期望推力减少由于发动机退化程度不同造成的双发推力差异),之后对该系统所涉及的推力设定、参数估计、转速指令修正等关键技术进行研究,最后在MATLAB/Simulink环境下进行仿真验证,结果表明:该系统可以在发动机参数限制范围内合理地设定双发共同遵循的期望推力,减少推力差异,满足自动协调双发推力匹配的设计要求。     

航拍视频帧间快速配准算法

 为应对相机运动的影响,提出了一种快速有效的无人机(UAV)视频相邻帧图像配准算法。通过空间分布约束和角点量限制来筛选有效的FAST特征点,引入自适应阈值提高特征点检测的环境适应性,采用训练得到的不相关采样点集对特征点进行二值描述,以获得准确快速的特征描述,并通过最近邻算法根据汉明距离获得特征匹配对,最后运用RANSAC方法得到帧间仿射变换模型参数,消除相机运动带来的影响,为后续运动目标检测与跟踪提供保障。实验结果表明该算法快速、稳定,具有较高的环境适应性,能够满足无人机系统视频图像配准的要求。     

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

变几何参数对变循环发动机过渡态性能的影响分析

为了研究变几何参数对变循环发动机(Variable Cycle Engines,VCE)过渡态性能的影响,对功率提取法(Virtual Power Extraction Method,VPEM)进行了总结与发展,并以双轴混排涡扇发动机的VPEM模型为工具,研究了尾喷管喉部面积和涡轮导向器喉部面积对双轴混排涡扇发动机过渡态性能的影响,建立了应用于双外涵VCE的VPEM模型,并以此为工具研究了高低压涡轮导向器喉部面积、尾喷管喉部面积和后可变面积涵道引射器面积对VCE过渡态性能的影响。结果表明,变几何参数对涡扇发动机和VCE过渡态性能的影响规律一致,尾喷管喉部面积和高低压涡轮导向器喉部面积增加5%带来高压转子的功率变化分别为1.9%,6%和3.5%,低压转子功率变化分别为-3%,22%和-7%,RVABI面积对过渡态性能的影响并不显著。