基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此,提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换,如短时傅里叶变换或自适应谱估计法,以及多项式预测模型,将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法,以及谱分量幅度和频率的联合似然函数,就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中,所提算法有效提升了动态时频谱的跟踪精度,其对微弱时频谱分量的探测能力,以及对载频差异的分析能力均优于文献报道的算法。     

基于二阶滑模的永磁同步电机SVMDTC

针对永磁同步电机空间矢量直接转矩控制中存在的磁链脉动大、转速超调大和转速动态响应速度慢等问题,提出基于Supertwisting二阶滑模控制理论将转速环、磁链环和转矩上的控制器全部换成Supertwisting滑模控制器。对所提出的控制理论利用MATLAB/Simulink仿真软件进行仿真验证。仿真结果表明所提出的控制理论能够成功抑制转速超调,实现提高转速、磁链和转矩的动态响应速度、抑制转矩和磁链脉动。     

基于最优误差动力学的时间角度控制制导律

针对带有攻击时间和终端攻击角度约束的导弹制导问题,设计了一种基于最优误差动力学的时间角度控制制导律,并给出了明确的性能指标。推导广义最优角度控制制导律作用下的剩余飞行时间估算表达式,在广义最优角度控制制导律的基础上增加攻击时间误差反馈项,将攻击时间误差看做跟踪误差,设计的制导律使跟踪误差以最优模式在有限时间内收敛到零,最终实现攻击时间和终端攻击角度的共同控制。对不同参数下的情况进行仿真,验证了所提制导律的有效性。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

航空发动机静叶联调机构运动分析及优化

针对航空发动机可调静子叶片联调机构运动关系复杂、优化难度大的问题,研究了一种采用图解法和齐次坐标法结合MATLAB软件推导两级联调机构运动方程,并运用遗传算法对两级机构中的关键构件进行联合优化的方法。运用该方法对指定联调机构的两级曲柄可调端长度、可调端与固定端夹角进行了优化求解。得到了最优解,使得第一级摇臂转动角度是第零级摇臂转动角度的2倍,且第一级摇臂转动角速度也是第零级摇臂转动角速度的2倍。      

优化抗差自适应滤波器在深组合导航中的应用

为了提高惯性/卫星深组合导航系统的滤波性能,在抗差自适应滤波算法的 基础上,研究了一种优化抗差自适应滤波算法。该算法通过比较实际预测残差协方差矩 阵和理论协方差阵的差值来生成自适应因子,从而优化抗差自适应滤波。将所研究的算 法应用于惯性/卫星深组合导航系统, 在高动态环境下进行仿真验证, 并与常规卡尔曼 滤波、抗差自适应滤波进行比较。结果表明,优化算法能有效地控制观测异常和动态模 型异常对状态参数估值的影响,所得组合导航位置误差和速度误差明显减小,提高了组 合导航系统的滤波精度。     

基于SRAM型FPGA单粒子效应综合防护技术

为解决基于SRAM(Static Random Access Memory,静态随机存储器)型FPGA(Field Programmable Gate Array,现场可编程门阵列)的扩频应答机在空间环境中时常发生功能故障的难题,提出了一种低轨卫星基于SRAM型FPGA的应答机的单粒子综合防护方案。该方案在代码级、器件级、单机级、整星级综合采用器件优选、结构屏蔽设计、巡检自愈、自主复位等多种方法,有效杜绝了单粒子事件带来的种种危害,已成功应用于某在轨卫星。在轨测试结果表明:遥测、遥控、跟踪测量等功能、性能指标满足任务要求,且未发生需要地面干预的问题或现象。该技术还可推广应用于其他采用低等级器件及其他类型FPGA、DSP(Digital Signal Processing,数字信号处理)等大规模集成电路的星载单机防护。     

基于体积力模型的1维涡轮特性评估方法

涡轮低维气动特性评估方法的预测精度对涡轮气动设计有重要意义.基于适用于轴流涡轮特性评估的1维体积力方法,分析和局部调整了Adam和Leonard的1维体积力模型中的叶片力源项和离心力源项,并在特性计算中引入涡轮损失模型.通过1个低压涡轮和1个含冷气高压涡轮对该方法进行验证,计算结果表明:该方法对2个算例在涡轮设计工况点的流量效率预测偏差均在1％以内,且能够反映涡轮气动特性随膨胀比的变化趋势,具有良好的精度,可用于快速可靠地评估涡轮低维气动特性.