基于本征正交分解的流场快速预测方法研究

对于飞行器气动设计,通过实验或CFD计算获得所有设计状态处流场信息成本高、耗时长,难以满足工程应用要求。利用基于本征正交分解(POD)降阶模型结合相应的插值方法,只需要通过实验或CFD计算获取有限个数的采样流场,可以快速预测出具有满足精度要求的设计状态处流场信息。首先,证明对POD基系数插值获取预测流场与对采样流场直接插值获取预测流场的等价性,并分析采样流场分布的要求。然后,以三段翼型流场作为研究对象,POD降阶模型分别与三次样条插值和径向基插值结合,实现设计状态处流场信息快速预测。最后,通过将流场预测结果与相同条件下的流场CFD计算结果对比,表明了POD降阶模型结合两种插值方法的各自特性。     

旋转坐标系下分区计算的LU隐式方法

将隐式时间迭代方法应用于并行计算是CFD研究中的热点问题,研究发现LU-SGS格式在旋转坐标系下对分区边界比较敏感,对旋翼悬停状态进行分区并行计算时碰到了计算发散的问题。针对此问题,对基于LU分解的3种隐式时间迭代格式（LU-SGS、DP-LUR和HLU-SGS）进行了对比研究,设计了静止流场下的旋转网格算例对计算方法进行测试。结果表明,LU-SGS格式在网格边界采用简化处理方法,当边界的逆变速度增大时会引起数值误差放大,误差的不断积累导致计算发散。DP-LUR和HLU-SGS格式通过在边界单元采用雅克比迭代算法,能有效消除分区边界影响,使计算格式在大CFL数条件下保持稳定,其中HLU-SGS继承了LU-SGS迭代效率高的特点。在此基础上,采用并行化的LU隐式方法对Caradonna-Tung旋翼进行了并行计算,针对两套稀密程度不同的背景网格,在产生复杂分区边界的计算网格条件下,均获得了气动力和旋翼尾迹都充分收敛的流场。通过计算,分析了背景网格密度对预测气动力性能和捕捉尾迹流场的影响,计算结果与试验值吻合良好,验证了当前隐式计算方法适用于旋转坐标系并行计算,适合于推广至其他大规模并行分区的流场计算。     

EEMD与NRS在涡桨发动机转子故障诊断中的应用

针对涡桨发动机转子系统振动信号的非平稳特征,提出一种基于集成经验模态分解(EEMD)与邻域粗糙集(NRS)的涡桨发动机转子故障诊断方法。该方法先对转子振动信号进行EEMD,提取原始信号的时域特征和多尺度排列熵(MPE)特征,转子系统的大部分故障信息隐藏在前几个高频本征模态函数（IMFs）中,分别计算它们的时域指标、能量特征和奇异值分解(SVD)特征;利用NRS评估各个特征的属性重要度,进而选出敏感特征;将其作为支持向量机(SVM)的输入向量来对转子进行故障诊断。实验结果表明:该方法利用敏感特征集对涡桨发动机转子进行故障诊断的准确率达到了97.5%,同时剔除了大量冗余特征,具有较强的鲁棒性。      

基于零空间追踪算法的滚动轴承故障诊断

提出了一种基于零空间追踪算法（NSP）的滚动轴承故障诊断方法,首先依据轴承故障机理建立轴承故障振动信号模型,并构造基于轴承故障振动信号特征的零空间微分算子,然后利用所构造微分算子将待分析混合信号分解为一系列含有轴承故障特征的窄带信号的叠加,最后通过调整算法中的参数实现轴承故障的特征提取。仿真与实验信号分析结果表明,该方法可以有效进行滚动轴承的早期故障特征提取及复合故障的分离。     

H~2(I)空间上的多分辨分析

Sobolev空间在偏微分方程理论中占有重要的地位 ,且关于 Sobolev空间 H20 (I)的多分辨分析 (MRA)也已经被建立起来。然而在处理偏微分方程的边值问题时就显得有些不足 ,尤其是捕捉靠近边界层附近的激波。在本文中给出了 Sobolev空间 H2 (I)的尺度函数以及它们之间的双尺度关系。在其基础上可以直接建立 Sobolev空间 H2 (I)的多分辨分析 (V0 V1 … ) ,其中 Vj 是由尺度函数通过平移与伸缩得到的。最后分析了关于Sobolev空间 H20 (I)与 H2 (I)的多分辨分析关系并给出了 Sobolev空间 H2 (I)的小波分解算法。     

归一化RBF网络的结构优化策略

针对归一化RBF网络，利用基于山峰函数的减法聚类算法构造归一化RBF网络的初始结构，采用奇异值分解(SVD)算法分析了网络隐含层节点与奇异值、累积贡献率以及索引向量的关系，并对归一化RBF网络的结构进行了优化。最后，对该优化策略的可行性和有效性进行了仿真验证和性能比较。     

基于EE MD气液两相流差压信号时频分析

为研究气液两相流流动过程的动态特性,采用V形内锥作为测量装置,通过高频差压变送器获得不同流型下的动态信号,提出了一种基于总体平均经验模式分解(EEMD)的气液两相流时频分析方法。通过对不同流型下的气液两相流的差压信号进行分析,研究了气液两相流的流动机理,为气液两相流流型及流量的准确测量奠定理论基础。分析发现EEMD的抗混分解能力很好,可以准确地提取两相流差压信号的频率成分及其时变情况,为今后两相流的识别提供理论基础,具有较高的工程应用价值。     

基于四线性分解的双基地MIMO雷达的角度和多普勒频率联合估计

研究双基地多输入多输出(Multiple-input Multiple-output, MIMO)雷达中的角度和多普勒频率联合估计问题,提出了一种基于四线性分解(Quadrilinear Decomposition)的离开角(Direction of Departure, DOD)、波达角(Direction of Arrival, DOA)和多普勒频率的联合估计算法。通过对接收端匹配滤波器的输出进行延迟操作,得到符合四线性模型的数据,根据四线性交替最小二乘(Quadrilinear Alternating Least Squares, QALS)进行迭代,得到方向矩阵和多普勒频率矩阵的估计,进而得到角度和频率的估计。该算法无需谱峰搜索,无需知道反射系数,可实现角度和频率的自动配对,且能用于非均匀阵,该算法的角度估计性能优于多维ESPRIT方法和三线性交替最小二乘(Trilinear Alternating Least Squares, TALS)方法。论文分析了所提算法复杂度,并推导了克拉美-罗界(Cramer-Rao bound, CRB)。仿真结果验证了该算法的有效性。     

基于EEMD分解的直驱式机电作动器故障诊断

基于集合经验模式分解 (EEMD,Ensemble Empirical Mode Decomposition)算法,给出一种机载直驱式双余度机电作动器(DDDR-EMA,Direct-Driven Dual-Redundancy Electro-Mechanical Actuator)复合故障诊断方法.EEMD对信号加入有限幅度的高斯白噪声,利用高斯白噪声频率均匀分布的统计特性使信号在不同尺度上保持连续性,解决了经验模式分解的模式混叠缺陷并保留了自适应性.将EEMD方法应用于机载DDDR-EMA故障诊断实验振动信号分析,先对实测信号进行分解,得到一组无模式混叠的固有模式函数;再采用不同的方法分析各频段,提取各频段包含的故障特征.实验结果表明:与经验模式分解相比EEMD能提高故障信号的分析精度,准确诊断机载DDDR-EMA的复合故障.     

基于视觉引导的工业机器人示教编程系统

针对目前工业机器人所采用的编程方式的局限性,提出了基于视觉引导的工业机器人示教编程方式。首先采用奇异值分解(SVD)法建立双目视觉系统与机器人的坐标映射关系,通过双目视觉系统识别和提取特定的示教工具末端位姿,以得到规划机器人运动所需的位姿数据。然后解析机器人控制器可执行文件的格式,将位姿数据转化为机器人可以执行的文件。最后通过试验验证了视觉引导示教方式的可行性,并对示教跟踪精度进行了分析,结果表明,跟踪误差最大为-1.18 mm,均方根误差为0.47 mm。