Numerical analysis and optimization of boundary layer suction on airfoils

Numerical approach of hybrid laminar flow control(HLFC) is investigated for the suction hole with a width between 0.5 mm and 7 mm. The accuracy of Menter and Langtry’s transition model applied for simulating the flow with boundary layer suction is validated. The experiment data are compared with the computational results. The solutions show that this transition model can predict the transition position with suction control accurately. A well designed laminar airfoil is selected in the present research. For suction control with a single hole, the physical mechanism of suction control, including the impact of suction coefficient and the width and position of the suction hole on control results, is analyzed. The single hole simulation results indicate that it is favorable for transition delay and drag reduction to increase the suction coefficient and set the hole position closer to the trailing edge properly. The modified radial basis function(RBF) neural network and the modified differential evolution algorithm are used to optimize the design for suction control with three holes. The design variables are suction coefficient, hole width, hole position and hole spacing. The optimization target is to obtain the minimum drag coefficient. After optimization,the transition delay can be up to 17% and the aerodynamic drag coefficient can decrease by 12.1%.     

Practical compensation for nonlinear dynamic thrust measurement system

The real dynamic thrust measurement system usually tends to be nonlinear due to the complex characteristics of the rig, pipes connection, etc. For a real dynamic measuring system,the nonlinearity must be eliminated by some adequate methods. In this paper, a nonlinear model of dynamic thrust measurement system is established by using radial basis function neural network(RBF-NN), where a novel multi-step force generator is designed to stimulate the nonlinearity of the system, and a practical compensation method for the measurement system using left inverse model is proposed. Left inverse model can be considered as a perfect dynamic compensation of the dynamic thrust measurement system, and in practice, it can be approximated by RBF-NN based on least mean square(LMS) algorithms. Different weights are set for producing the multi-step force, which is the ideal input signal of the nonlinear dynamic thrust measurement system. The validity of the compensation method depends on the engine’s performance and the tolerance error0.5%, which is commonly demanded in engineering. Results from simulations and experiments show that the practical compensation using left inverse model based on RBF-NN in dynamic thrust measuring system can yield high tracking accuracy than the conventional methods.     

基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.     

地基深空网发射机现状及未来发展

我国未来深空探测工程的发展对地基深空站发射机提出了更高的要求,不仅仅需要具有更高的输出功率,同时需要解决发射机高频谱纯度、高效率以及上行功率合成等。针对这些要求,对国内外地基深空网的组成和深空站高功率发射机现状以及未来发展趋势进行了研究,分析了速调管发射机与固态发射机在高功率输出条件下的优势,在此基础上,提出了我国深空站速调管发射机需要开展高功率连续波速调管、高功率低损耗滤波器、低纹波高功率开关电源、上行功率合成等关键技术,并为相应关键技术提供了理论建议及相应的解决方法,这可以为我国未来深空探测工程高功率发射机研制提供技术支撑,为后续地基深空网建设和发展提供参考。     

航空四站气体保障过程的STAMP建模与STPA安全性分析

航空四站气体保障装备的可靠性在不断提高,而气体保障过程中的事故仍有发生,需要一种新的方法系统地去识别新的危险因素,从而提高系统的安全性。从控制的角度结合STAMP和STPA对航空四站气体保障过程进行安全性分析。首先,介绍STAMP/STPA的工作机理;然后,对航空四站气体保障过程构建STAMP模型,采用STPA安全分析方法对航空四站气体保障过程的安全性进行分析,识别不安全控制行为,对生成的不安全控制行为进行场景分析;最后,与事故树分析法(ATA)进行分析结果的比较,从而证实了该方法的优越性。结果表明:采用STAMP模型和STPA安全分析法可以更加全面地识别出不安全控制行为及其原因,更有利于保证航空四站气体保障过程的安全。     

基于PCA-TN的直升机主减速器通用热分析计算

针对当前热分析方法无法满足直升机主减速器结构复杂多变的问题,提出了一种快速获取主减速器温度场分布的通用热分析方法。以典型直升机主减速器为样本,进行了主成分分析（principal component analysis,PCA）,并结合热网络法（thermal network,TN）,分析获得3种通用热分析单元体模型。对于不同结构的主减速器,通过单元体及其衍生体的组合可以迅速且有效地建立其系统热分析模型,求解获得温度场分布。以某直升机主减速器为例,应用该方法进行了热分析,并与试验进行了对比,结果表明:该方法能高效计算主减速器的温度场分布,计算值与试验值最大误差为5.07%,满足主减速器热分析工程计算需求。      

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

陶瓷基复合材料超声辅助加工技术

陶瓷基复合材料具有优良的力学性能以及突出的耐高温、轻质等特性,在航空航天等领域具有广阔的应用前景.但由于高硬脆性特点,陶瓷基复合材料加工难度较大.诸多研究表明,超声辅助加工技术是一种相对合适的加工方法,与普通机械加工相比可有效降低切削力、改善加工质量等.对发展较为成熟的Cf/SiC、SiCf/SiC两种陶瓷基复合材料的超声辅助钻削/磨削加工技术研究进展进行了介绍,分析了其中存在的问题,并提出了相应的对策.     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.