一种谐波减速器不对中误差分析方法

在空间环境中运行的星载天线转动单元中的谐波减速器产生的不对中故障信号故障特征难以提取,针对此问题提出了一种优化变分模态分解的故障诊断方法,这种方法基于鲸鱼优化算法(WOA)和Teager能量算子(TEO)包络解调。首先,由于包络熵对故障信号特征非常敏感,故采用包络熵作为适应度函数,同时其也是鲸鱼优化算法的目标函数。其次,WOA具有操作简单、调整参数少、跳出局部最优能力强等诸多优点,故使用WOA对变分模态分解(VMD)进行优化,构建优化算法。最后,使用Teager能量算子对本征模态分量(IMFC)进行处理。所提出的方法用于分析谐波减速器输入、输出轴两端收集的实验信号。通过与传统的快速傅里叶变换方法进行对比结果表明,所提出的方法提高了分解效率,在分解参数的原则和故障信号提取精度方面具有良好的性能,误差不超过2%,能够实现谐波减速器不对中故障信号的精确诊断,具有一定的研究意义与工程实用价值。     

一种基于鲸鱼优化算法的飞行动作识别规则提取方法

针对飞行动作识别规则提取,传统智能优化算法存在调节参数多、易陷入局部极值等问题,介绍了一种新型仿生智能算法:鲸鱼优化算法。利用该算法参数简单,快速收敛性和全局优化的优点对符号化的飞行参数规则属性进行组合寻优,计算出相应的飞行动作识别规则。经过测试函数及仿真实例表明,鲸鱼优化算法寻优精度高于传统智能优化算法PSO,提取的规则相比BPSO方法更简洁、有效。     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题，提出一种基于改进的鲸鱼优化算法的航路规划算法。首先，根据起始点和目标点等信息，通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题；然后，将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时，所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后，将提出的改进算法应用于无人机的航路问题求解。仿真结果表明，所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果，其性能优于传统的优化算法。     

Aerodynamic performance of a low-Reynolds UAV with leading-edge protuberances inspired by humpback whale flippers

The aerodynamic forces and flowfield on a delta-wing Unmanned Aerial Vehicle (UAV) with specific airfoil are studied here. The leading-edge protuberances inspired from the flippers of the humpback whale is introduced in present work to watch its effect on stall delaying and drag reduction. Two installing factors, which are amplitude and wavelength of the protuberances, are considered to study the interaction of leading-edge variation and de-tached vortex. Three changes in both amplitude and wavelength are investigated herein. Generally, the modified models have larger stall angle of attack than that of the baseline model; the difference exists in the attainable lift coefficient and drag reduction.