反压条件下Y型喷嘴的变工况试验

针对燃烧室的变工况需求,利用反压试验系统开展了Y型喷嘴变工况试验,获得了喷嘴在不同反压环境下的喷注刚性、平均流速及雾化质量.试验结果表明,在常压环境中,Y型喷嘴通过掺混气体的方式显著改善了低工况下的喷注刚性和雾化效果,喷嘴具有较宽的工况调节范围;在反压环境中,随着反压升高,掺混气体对提高低工况下喷嘴喷注刚性的作用减弱,然而受掺混气体的影响,喷嘴的平均流速和雾化质量明显改善,并且在不同流量工况下获得了良好的一致性.在模拟燃烧室工作时,Y型喷嘴在较宽的流量调节范围内都具有良好的喷注刚性和雾化质量,其有效的流量调节范围远大于直流喷嘴.     

基于母线电流的无刷直流电机换相位置优化策略

通过分析无刷直流（BLDC）电机换相位置与母线电流的关系,建立了母线电流与换相位置偏差的数学关系,在此基础上提出了一种无位置传感器无刷直流电机换相位置优化策略。该策略以控制绕组电流与反电动势（BEMF）同相位为目标,以换相位置补偿角为被控制量,以母线电流随换相角度的变化率作为偏差量,通过比例积分（PI）调节器调节电机换相位置;并且可以同时校正位置信号检测误差和绕组电感引起的相位偏差。通过实验验证了该策略可以准确、快速地找到最佳换相位置,有效提高电机运行效率。      

基于反电动势法的双绕组永磁容错电机转子位置估计算法研究

针对双绕组永磁容错电机,在反电动势法基础上,提出一种改进的适用于容错电机的转子位置估计算法。利用每相绕组产生的磁链增量及单位反电动势来估算双绕组永磁容错电机转子的位置,通过锁相环技术进行误差补偿,对该方法中使用到的电机参数进行在线辨识,把辨识结果更新到转子位置估计算法中。通过该方法可以在双绕组永磁容错电机正常工作、单相故障或者多相故障容错的情况下,实现对转子位置以及转速的估计。通过MATLAB/Simulink进行仿真,验证转子位置估算方法的准确性和鲁棒性。     

HicksHenne翼型参数化方法分析及改进

HicksHenne参数化方法是一种在翼型优化设计中广泛使用的参数化方法,详细探讨了HicksHenne参数化方法的特性,针对翼型设计的要求,分析并发现了标准HicksHenne参数化方法在翼型设计应用中存在的不足,即当采用有限设计变量进行翼型设计时,生成的翼型的后缘夹角与基准翼型相比不会发生改变。提出了改进的措施,用实际算例证明了改进后的HicksHenne参数化方法能够根据要求改变翼型的后缘夹角,并且保持了HicksHenne方法原有的优点,拓展了HicksHenne参数化方法的参数化设计空间。     

深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

反压条件下同轴式喷嘴雾化特性的试验研究

利用作者设计的反压试验装置和MF激光散射测粒仪, 在0.1～0.6MPa反压条件下, 测量了不同工况液雾的索太尔平均直径SMD等雾化特性参数, 并对试验数据进行最小二乘拟合, 得到了影响雾化特性相关参数的经验公式, 对同轴式喷嘴的设计将有一定的指导意义。      

基于神经网络的故障率预测方法

 为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明：这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。     

一种识别单盘柔性转子不平衡的新方法

基于柔性转子瞬态响应和反向传播神经网络理论,提出了一种识别单盘柔性转子不平衡的新方法.通过转子的理论模型建立识别转子不平衡方位角的BP神经网络,在此基础上只需两次加速启动过程就可完成对转子不平衡的识别.首先通过BP神经网络和第一次启动过程的瞬态响应数据,识别出转子不平衡的方位角;然后再通过一次加试重启动过程,利用瞬态挠度的幅值与不平衡大小之间的线性关系,识别出不平衡的大小.实验结果证明了该方法的有效性.      

基于ICA和BP神经网络相结合的掌纹识别

提出了一种基于独立成分分析(ICA,Independent Comment Analysis)和多层前馈(BP,Back Propagation)神经网络相结合的方法对掌纹进行识别.首先采用一种新的方法检测角点,得到掌纹图像的不变特征点,根据这些点校正掌纹方向并得到掌纹的感兴趣区域.对该区域采用定点快速ICA算法(FastICA),得到掌纹特征子空间,然后构建BP神经网络,并采用训练样本得到的掌纹特征进行训练,得到合适的权值.对香港理工大学掌纹数据库进行测试,与主成分分析(PCA,Principal Components Analysis)提取特征的方法进行比较,取得了较高的识别率.      

基于非结构网格空间推进的高超声速飞行器背脊线优化

针对高超声速飞行器背脊线优化进行了研究。结合自由曲面变形(FFD)方法和Hicks-Henne型函数建立背脊线参数化模型,保证了飞行器背部曲面光滑连续。为减少计算耗时,采用非结构网格空间推进方法求解高超声速无黏流场,通过钝锥算例对该方法计算效率和精度进行了参数分析,并对飞行器流场计算进行了验证,对比表明表明:非结构网格空间推进算法计算效率提高4.5倍以上,计算结果与常规时间迭代法符合较好。采用优化拉丁超立方抽样建立响应面模型,分析了各设计变量对目标函数的影响。采用非支配排序NSGA-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ)算法以阻力系数和升阻比为目标对背脊线优化,约束飞行器体积变化不超过20%。结果表明,飞行器阻力系数和升阻比呈负相关,优化后阻力系数降低7.1%,升阻比提高16.9%。