民用航空涡轮发动机持久试验条款发展历程

全面回顾了航空发动机适航规章CCAR-33R2第33.87条持久试验的演变历程,在解读适航规章条款要求的基础上,深入跟踪了当前国际上针对33.87条持久试验的研究动态。跟踪研究发现,自1957年规定了6 h×25阶段的150 h试验谱以来,涡轮发动机持久试验的主体要求基本保持不变,而涡轮发动机设计则出现了显著的发展。发动机设计技术的进步带来了与适航规章要求不协调的问题,针对该问题当前国际上已开展了150 h持久试验替代试验的探索性研究及应用,虽然现阶段还存在一系列问题有待澄清和解决,但相关研究为我国民用航空发动机适航符合性方法及适航标准制定与修订提供了参考和借鉴。持续深入跟踪国内外适航技术动态,及时采取积极的应对策略,并开展有针对性的条款研究工作,对于提升我国适航技术规章的编制和修订能力具有十分重要的意义。      

基于逆动力学的机动轨迹跟踪器设计算法

针对机动轨迹动力学非线性非仿射特性,建立了基于质心逆动力学的开环指令和基于非线性动态逆原理进行反馈补偿的混合逆控制方法,设计了机动轨迹跟踪控制器;并以常规机动如"S"形转弯、过失速机动如Herbst转弯等多种战术动作为例进行仿真,结果表明机动轨迹跟踪器设计算法能够胜任常规和过失速机动跟踪的需要,实时性强,延迟合理,跟踪精度高.      

基于分支深度强化学习的非合作目标追逃博弈策略求解

为解决航天器与非合作目标的空间交会问题,缓解深度强化学习在连续空间的应用限制,提出了一种基于分支深度强化学习的追逃博弈算法,以获得与非合作目标的空间交会策略。对于非合作目标的空间交会最优控制,运用微分对策描述为连续推力作用下的追逃博弈问题;为避免传统深度强化学习应对连续空间存在维数灾难问题,通过构建模糊推理模型来表征连续空间,提出了一种具有多组并行神经网络和共享决策模块的分支深度强化学习架构。实现了最优控制与博弈论的结合,有效解决了微分对策模型高度非线性且难于利用经典最优控制理论进行求解的难题,进一步提升了深度强化学习对离散行为的学习能力,并通过算例仿真检验了该算法的有效性。     

基于灰色关联度的岸导突击群编组优化

针对岸导兵力对海突击中,作战编组多依赖经验决策的问题,通过分析岸导突击群编组问题的特点,找出编组模式空间,构建灰色关联度指标体系并进行指标量化处理,建立了基于灰色关联度分析(Gery Correlation Analysis, GCA)的岸导突击群编组模式优化模型。通过仿真验证了该模型的合理性和可行性。     

分布式系统中的冗余任务分配研究

提出了分布式容错系统的任务分配算法,算法考虑了系统任务的周期性、冗余性、适应度、重要等级等特点,以处理机负载平衡为目标,通过三步静态分配实现了任务在处理机中的冗余分布,即使同一任务的活动任务、准活动任务和睡眠任务分布在不同处理机中.对系统执行过程中的处理机故障,启动冗余任务动态唤醒算法,通过任务状态的转换实现系统重构.冗余任务分配算法既能满足系统可靠性要求,又可保证系统重构的实时性.     

一般状态方程可压缩多流体流动的PPM方法

采用流体体积分数的混合型多流体数值模型和高精度多介质Piecewise Parabolic Method(PPM)算法模拟一般形式Mie-Grüneisen状态方程的复杂多流体可压缩流动.根据多流体接触界面无振荡原则设计高精度计算格式,采用双波近似和两层迭代算法求解一般状态方程的Riemann问题,利用Strang分裂方法将一维算法直接推广到高维情况,不需要动能校正.二维多流体接触间断平移问题的模拟结果表明本算法在接触间断附近压力和速度没有振荡,界面数值耗散很小,被控制在两到三个网格之内.本文还模拟了二维Riemann问题和激波同多流体交界面的相互作用,算例结果表明本文方法可以有效地处理接触间断、激波等物理问题,且具有耗散小精度高的特点.     

一种基于旋量理论的自动钻铆机调姿反解算法

运动学反解是实现机床运动控制的技术基础,也是提高运动精度的技术保证。根据飞机装配自动化钻铆的需求分析,以龙门式自动钻铆机为研究对象,基于旋量理论建立其运动学模型。采用Paden-Kalan子问题模型和自动钻铆机上下末端执行器的几何关系相结合的方法,提出了一种基于旋量理论的自动钻铆机运动学反解算法,并在CATIA中的DMU模块下对算法进行算例验证。结果表明:基于旋量理论的运动学反解算法正确,为自动钻铆机的运动控制提供了理论基础。     

二元超音速进气道唇口分离流动及其控制

本文着重研究了二元超音速进气道几种唇口内侧壁面分离流动控制结构,对进气口流场、几何喉道下游邻近截面的流场及其壁面附面层参数、进气道出口流场和性能的影响。并对唇口分离流吹除和吸除之后,进气口再附着点下游截面上的总压脉动压力均方根值分布及功率谱密度-频率特性进行了比较。     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。