混合励磁双凸极电机模态分析方法

以三相混合励磁双凸极电机及其三相桥式功率变换器为研究对象，提出了同时将每相绕组端点电压和导通功率器件作为状态变量的状态分析方法，给出了电机运行中所有可能的工作模态状态方程。继而以H_PWM-L_ON型调制方式为例，讨论了具体的工作模态，给出了各模态状态方程、实际的电流回路和主要原理波形，并通过实验作出了验证。     

飞机维修专业实训教学模式改革探索

通过阐述飞机维修专业实训教学的体会和教学思想,分析传统实训教学的弊端,重点论述”生产小组式”的实训教学模式的原理和组织实施。     

低速引射对高超声速飞行器气动加热影响

为研究低速引射对高超声速飞行器气动加热的影响,对高超声速来流条件下大面积平板引射进行数值模拟,讨论了引射孔结构、迎角和引射入口速度对边界层流场的影响,得到了不同引射孔结构下壁面热流,引射影响因子及流动参数随引射入口速度的变化。结果表明:低速气体引射在一定程度上能缓解引射区域壁面和下游壁面的气动加热情况。4种引射状态中引射孔结构4(即面引射)壁面热流最低,其他3种引射孔结构冷却效果基本相当。相同条件下10°迎角低速气体引射降热效果明显优于0°迎角的情况。引射入口速度v=20 m/s时,0°迎角情况下,引射区引射影响因子约为0.23,即壁面平均热流降低约23%;10°迎角情况下,引射区引射影响因子约为0.45,约为0°迎角情况的2倍。     

基于连续螺旋滑模的无人机分布式编队控制

为了解决复杂环境中无人机分布式编队控制问题,考虑外界干扰影响和状态信息不完全反馈情况,对无人机设计分布式编队控制器。无人机利用自身位置反馈,基于二阶精确微分器设计状态观测器,得到无人机速度和干扰的估计值;结合自身估计信息和邻机位置、速度的估计,基于连续螺旋滑模控制方法设计编队控制器和姿态跟踪控制器;稳定性分析保证了无人机闭环系统稳定性。基于Matlab/Simulink数值仿真和软件在环实时仿真平台,验证了所设计控制算法的有效性,并演示了三维可视化仿真结果。     

干扰和执行器故障下的舰载机着舰容错控制系统

本文提出了一种执行器故障的舰载机着舰容错控制系统,该系统可有效抑制着陆过程中的外界干扰和执行器故障带来的不利影响。首先,利用基于最小二乘的自回归模型对甲板运动进行预测,以获得在波浪干扰下的准确落点;其次,设计了下滑路径导引律,利用该导引律生成飞行航迹角;此外,设计了基于干扰观测器的快速终端积分滑模控制器,利用低通滤波器实现了控制器串联设计;最后,通过李雅普诺夫函数证明了该容错控制方法的跟踪误差一致有上界。将本文方法与比例-积分-微分控制器进行了对比数值仿真,验证了该算法的可行性。     

从约束试验提取阻尼自由结构主模态

对于大型自由结构,如大型运载器,要实现自由状态下的模态试验是愈来愈困难了。为此,人们被迫只好对这类结构进行约束状态下的模态试验。这样就要求从约束状态试验所测得的数据中提取到原自由状态下的试验模态参数。本文针对这个问题提出了一种“提取方法”。数值模拟结果表明,该方法的精度相当满意,不论是无阻尼,还是考虑有阻尼的情况,都可以获得工程上满意的结果。     

基于TAAM机场终端区容量评估方法研究

本文先给出了终端区容量的定义及终端区容量评估的难点,然后系统地介绍了TAAM仿真方法,并以某机场终端区系统进行仿真,在考虑终端区系统自身复杂性和影响因素随机性的情况下,对某机场终端区容量的大小进行评估。最后对仿真结果给出的不同情况下的运行架次和延误情况进行统计分析,找出影响终端区容量的不同因素及其影响程度。仿真结果验证了评估方法的可行性。     

永磁球形电机的自适应反演滑模控制

针对非线性、强耦合、直驱型的永磁球形电机动力学系统,设计了一种自适应反演滑模控制器。首先,通过拉格朗日第二方程以及卡尔丹角坐标变换建立永磁球形电机的转子动力学方程。然后,将反演设计方法和滑模控制有机结合抑制外界扰动和参数摄动的影响。其中,基于类李雅普诺夫方法获得外界扰动上界的自适应律,并采用一种新颖的趋近律消除抖振问题。最后,仿真结果对比证实:该控制器不仅能保证永磁球形电机动力学系统高精度的轨迹跟踪、快速的动态响应,而且对外界扰动具有较强的鲁棒性。     

基于环形LC单元的新型连接方式及其在平面EMI滤波器中的应用

LC单元是指"感容"集成的模块,是组成EMI滤波器的重要元件之一。理想情况下,LC单元由双面螺旋线构成。基于环形LC单元的不同连接方式,提出了一种新型结构———完成共模电感和差模电容的集成。本文建立了LC单元的等效模型,并在此基础上分析了该结构在差、共模电流作用下的参数模型。实验和理论研究表明,所提出的模块能有效增大共模电感值。     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。