基于自适应模糊PID控制的恒压供气系统

设计了一套基于步进电机的恒压供气系统,并将一种模糊自适应PID控制器应用于其中。该控制器将模糊控制原理与常规的PID控制算法相结合,实现了对PID参数的在线调整,并通过控制步进电机调节气流截面积,进而实现对气体的恒压控制。实验结果表明,该模糊自适应PID控制器较常规PID控制器具有更好的控制效果。

模糊自适应PID控制在润滑油压力气动控制中的应用

针对实验室中某型航空发动机燃油泵调节器润滑油压力控制的需要,设计了一套基于模糊自适应PID控制的润滑油压力气动控制系统。模糊自适应PID控制是将模糊控制原理与常规的PID算法相结合,实现了对PID参数的自适应调整。实验结果表明,该控制器应用于润滑油压力气动控制系统中可取得良好的控制品质。

航空发动机多模型预测滑模控制

针对航空发动机是一个不确定性的强非线性系统,借鉴多模型方法和预测控制思想,提出了航空发动机多模型预测滑模控制。对航空发动机飞行包线进行划分,建立了航空发动机状态空间多模型;对每个模型分别设计了预测滑模控制器,以滑模轨迹为预测模型,进行滚动优化、反馈校正求取控制量,并根据前几时刻与发动机的匹配程度选择当前时刻的控制器;推导出了其稳定性的条件。仿真结果表明,所设计的控制器控制效果令人满意,能有效抑制参数摄动和干扰的影响。

利用激光冲击强化提高均压孔结构的疲劳寿命

研究了用激光冲击强化的方法提高均压孔部位疲劳寿命的可行性。使用流水约束层和铝箔涂层,利用波长为1 064 nm,脉宽为20 ns,能量为35 J,光斑直径为5 mm的YAG激光器对试样进行了激光冲击强化处理。实验结果表明,该方法可以有效提高均压孔部位疲劳寿命。利用扫描电镜对试样断口进行了观察和分析,并对疲劳寿命提高机制进行了讨论。

某型航空发动机自动测试系统研制

为解决某型航空发动机测试系统检测结果主观因素大、检测速度慢,损耗发动机使用寿命等问题,研制了该型航空发动机的自动测试系统。首先介绍了系统总体方案要求,分析了该自动测试系统的硬件总体结构并设计了高、低压转速信号,T1、T3、T6温度小信号等调理电路;其次归纳分析了动、静态检测流程,为模拟人工搜索过程确定了检测点位置,结合单因素试验0.618法提出了一种时序递增自寻优搜索算法,并阐述了该算法的基本原理;最后在发动机上进行了试验验证。试验结果表明:该自动测试系统硬件电路设计合理,信号采集准确,误差满足要求;软件流程设计合理,搜索算法快速准确,检测速度提高了约一倍,节省发动机的使用寿命。

基于重要度的航材备件库存综合优化模型

航材备件的精确保障必须将装备的使用情况和备件库存控制问题结合起来,才有利于保障人员进行正确的决策。从飞机的可用度着手,根据不同的费用标准,结合飞机的可用度和边际效用分析得到相应的最优库存模型;当费用较少时,综合考虑备件的重要度和飞机的实际使用情况,用两两赋值法求出备件的重要度权系数,重新计算可用度并调整各备件的存储量,对库存进一步进行优化;最后,给出了所提方法的计算步骤。实验结果表明,所提方法在备件库存优化中既能保证重点又能兼顾一般,既能发挥装备的最大军事效益又能节约国防成本。

基于DSP的航空发动机智能计量活门控制器

针对航空发动机分布式控制系统的重要组成部件电磁活门,提出一种基于DSP的智能计量活门控制器的设计方案,并给出了具体的硬件电路和控制算法。DSP实现智能计量活门的闭环控制和自诊断,步进电机实现精确的角度位置即活门位置控制,CAN总线完成发动机中央处理器与DSP的数据交换。实验结果表明:基于DSP的智能计量活门控制器取得了良好的控制效果,系统控制精度高,适用于航空发动机分布式控制试验研究。

基于时滞补偿器的航空发动机最优滑模预测控制

针对航空发动机控制系统中存在的时滞(即延迟)问题,提出了基于时滞补偿器的滑模最优预测控制。定义特殊线性变换,将原发动机中含状态量和控制量时滞环节的控制系统化为无时滞系统;在新的坐标系下采用时滞补偿器以最小修正误差建立最优二次型指标,求出最优的滑模预测控制量并进行亍系统仿真。结果表明:该方法能够很好地补偿航空发动机控制系统中时滞环节带来的影响,对系统进行提前控制,系统响应速度较快,整体效果达到预想目标。

基于分布式控制的航空发动机智能转速传感器

依据航空发动机转速测量原理,提出并设计了一种基于分布式控制的智能转速传感器。分析了转速测量原理和软件采集实现流程,设计了传感器信号组合倍频调理电路与部分数字信号处理器(DSP)外围接口电路,编写了汇编程序。试验结果表明:该智能传感器测量精度高,误差小于0.02%,处理速度快,适用于航空发动机分布式控制试验研究。

基于随机共振的航空发动机转子多域融合神经网络故障诊断

航空发动机转子早期故障征兆具有强噪声、时变、非线性、多混叠的特点,传统的特征提取方法只针对时域、频域或时频域等单一域的特征,难以全面、准确的代表故障特征;为了提高故障诊断效果,提出基于随机共振的航空发动机转子多域融合神经网络故障诊断方法;采用随机共振(SR)理论,提高原始振动信号的信噪比,应用主成分分析法(PCA)构造多征兆域融合特征,并与神经网络相结合,诊断结果与单纯EMD、不加随机共振的融合方法相比,训练时间明显缩短,诊断精确度显著提高,表明该方法能提高故障诊断的准确性、有效性和可靠性。

基于短时延的分布式控制系统鲁棒故障检测

针对带有随机短时延的航空发动机分布式控制系统,将时延的影响转化为范数有界的矩阵不确定性,建立了其系统模型,借鉴传统鲁棒控制的方法,提出了一种鲁棒故障检测方法,设计了其故障检测观测器,并对其进行了稳定性、鲁棒性分析。最后,对所提出的故障检测方法进行了数值仿真,结果验证了所设计故障观测器的有效性。

利用Kriging预测模型的EMD端点延拓

结合端点效应的产生机理和关于端点效应的现有研究成果,提出了一种基于Kriging预测模型的抑制EMD端点效应的新方法。通过计算信号及其包络线的最优线性无偏预测,将信号的上、下包络线进行延拓,从而最大化地逼近原始信号两端点,并将未延拓的分解结果、基于镜像延拓法得到的结果和基于Kriging预测延拓法得到的结果进行对比分析。仿真算例和试验结果表明,基于Kriging预测模型的延拓方法抑制EMD端点效应的效果最优,能够精确反映信号特征,有利于准确提取结构的模态参数,提高运算效率。

一种改进的航空发动机CMAC与PD并行的控制算法

针对某型航空发动机数字式电子调节系统控制性能提升的需要,将CMAC与PD的并行控制算法首次应用于该数控系统低压转子转速调节通道,同时为了增强该通道克服超转的能力,提出了一种改进的CMAC与PD的并行控制算法,该改进算法通过给CMAC的控制量输出乘上一个时变的"恢复系数σ"可以动态地改变系统总控制量。仿真结果表明该改进算法响应速度快,静态误差小,在控制发动机非线性时变模型时具备较强的克服超调能力。

基于RBF网络辨识的航空发动机模糊神经网络解耦控制

对航空发动机的多变量解耦控制方法进行了研究,提出了一种基于RBF网络辨识的航空发动机模糊神经网络解耦控制方法。该方法利用RBF网络辨识航空发动机的实时模型,为模糊神经网络控制器参数的调整提供了Ja-cobian信息,解决了模糊神经网络自适应控制器在被控对象不能精确建模情况下应用的问题。仿真结果表明,系统鲁棒性强,在设计点和偏离设计点处,均具有良好的动态特性和解耦特性。

基于复合补偿的航空发动机大延迟系统内模控制

针对某发动机的大延迟控制通道,提出了一种基于前馈-反馈复合补偿的内模PID控制算法,该算法采用前馈的方式在被控量"未变化前"进行"超前补偿",加大提前修正能力,从而提高系统的响应快速性,并减小稳态误差;采用内模控制的思想去整定PID参数,结构简单,在线调整参数少,调整容易,计算机仿真和地面试车结果证明了该方法的有效性。

基于LOD模型的多幅图像旋转拼接算法

针对基于LOD模型的卫星地图显示系统中对图像处理的需要,提出了一种多幅图像旋转拼接算法,该算法在常规几何旋转算法的基础之上,将多幅图像的旋转拼接分成了两个部分:先进行子图像的旋转,然后确定子图像旋转后所得到的新图像在屏幕坐标系中的位置并显示。给出了详细的推导过程,并在Visual C++环境下予以了实现,结果表明该方法思路简单清晰,便于实现,为多幅图像的旋转拼接提供了一种通用的算法。

现代电路设计的低功耗技术与功率最优化

随着现代电子系统复杂度的增加，功耗的问题目益突出，低功耗设计已成为电子领域的难点和热点．本文就功耗的产生原因进行了分析，论述了如何从电源设计，时钟管理等方面降低功耗，以及自底向上，对各层的功耗设计技术进行具体分析和介绍。

无线数字通信的抗多径干扰技术

容量无线数字通信系统对多径传输引起的传播恶化很敏感，所以抗多径干扰技术是数字通信中研究的重要课题之一。本文分析了多径干扰的起因，讨论了几种主要的抗多径干扰技术对通信系统性能改善的情况．

基于DSP和CAN总线的航空发动机智能位置控制器

作为航空发动机分布式控制系统的主要组成部分,提出了一种基于CAN总线和数字信号处理器(DSP)的智能位置控制器的设计方案,并给出了具体的硬件电路和软件算法。DSP实现智能执行机构的闭环控制和自诊断,CAN总线完成发动机中央处理器与DSP的数据交换。实验结果表明:提出的智能位置控制器取得了良好的控制效果,且对提高系统的测量精度和航空发动机的分布式控制研究具有重要意义。

航空发动机大延迟系统Smith预估补偿模糊PID控制算法

试车过程中某型涡扇发动机低压压气机进口导流叶片控制通道出现了参数摆幅较大的现象,经判读试车数据认定该通道存在较大的延迟,针对该问题为该通道设计了一种Smith预估补偿模糊PID控制算法,计算机仿真结果表明:与传统的Smith预估补偿算法相比,该算法对模型的不匹配具备较强的适应能力。