双转子涡喷发动机气动性能优化控制研究

航空发动机的控制规律作用巨大,它决定了发动机能否获得设定的稳态工作下性能指标,同时保证工作过程中的压气机和涡轮的气动稳定性。双转子涡喷发动机气动性能优化控制的目的就是有效地挖掘发动机的使用潜力。研究方法采用部件特性法对发动机进行稳态建模,并针对某双转子涡喷发动机的稳态模型进行三种不同稳态控制规律下的仿真,得到发动机性能参数的不同变化趋势,并对其进行了详细的分析。结果表明：保持低压转子转速不变的情况下,随着压气机进口总温的增加,高压转子转速上升,涡轮前温度升高,发动机推力增加;保持涡轮前温度不变的情况下,随着压气机进口总温的升高,低压压气机气动负荷变重,低压转子转速降低;高压转子转速也下降,但是下降幅度很小;燃油流量增加;保持高压转子转速不变的情况下,随着压气机进口总温的升高,燃油流量有一定的增加,低压转子转速有所降低;推力受多重因素的影响,推力值变化趋势较为复杂。     

基于深度置信网络的燃气轮机气路故障诊断方法

针对燃气轮机气路部件性能衰退故障,引入在深度学习领域取得重大突破的深度置信网络DBN。然而目前DBN中初始参数的选择大多依赖经验,没有形成完备的参数选择机制。针对以上问题,本文提出一种基于遗传算法自适应调整参数的深度置信网络优化算法。以三轴式燃气轮机为对象,将DBN优化算法与其他神经网络方法比较,结果表明DBN优化算法故障诊断平均精度可达88.3%,明显优于BP、RBF、ELM和SVM方法。增设高压压气机出口温度或压力传感器可显著提高燃气轮机故障诊断精度,在DBN优化算法下,故障诊断平均精度提升至98.4%。     

基于DEPSO-RBF神经网络的锌银电池SOC估计

电池容量是判断电池性能状态的重要指标。针对锌银电池的荷电状态估计问题,利用电池放电过程中放电时间、放电电流和电池电压3个参数作为径向基神经网络的输入,电池荷电状态为输出,建立电池放电的径向基神经网络模型;为克服径向基神经网络收敛精度不高、易陷入局部极小值的缺点,采用差分进化算法和粒子群算法结合的混合算法优化RBF神经网络;MATLAB仿真结果表明,经过混合优化算法优化的径向基神经网络与仅使用粒子群优化的径向基神经网络相比,估计精度得到大大提高。     

主元分析在航空发动机关键系统状态识别中的应用

航空发动机是飞机的心脏,因此,对其状态识别进行研究,一直是业界研究并试图解决的热点问题之一。本文以某型真实发动机气路系统为具体研究对象,通过在专业试验平台对其各种运行状态进行试验,采集其大量试验数据,在对其深入分析的基础上,提出采用高压转子相对物理转速、发动机进口温度、发动机进口压力、压气机出口压力、25截面压气机进口温度、低压转子相对物理转速、低压涡轮后温度、低压涡轮后压力等8个主要参数进行状态识别的方法,首先对其进行标准化处理,再对其进行主元分析,采用主元贡献率法计算出主元个数,并据此构建状态识别模型,确定 统计量和SPE统计量。并以确定的 统计量和SPE统计量作为航空发动机气路系统状态健康与异常识别的标志,对航空发动机气路系统健康与否进行识别研究,研究结果表明,该方法可以很好识别出航空发动机气路系统的运行状态,对航空发动机实际运行及所处状态的识别具有重要的使用价值与工程指导意义。     

航空发动机部件和整机通流数值模拟研究

针对航空发动机部件和整机,为实现快速准确的流场与性能分析,基于时间推进通流方法开展了相关研究,并开发了相应求解程序。以严格守恒型通流模型为基础,结合计算流体力学求解理论,依次进行了轴流、离心压气机、轴流涡轮部件仿真验证,并最终对一台微型涡喷发动机地面节流特性进行了整机数值仿真验证。结果表明,所发展通流仿真程序求解稳定,能够快速获得发动机各类部件及整机的子午流场及总体特性。其中,整机总体特性预测与实验偏差不大于7%,符合工程应用精度需求。     

叶型偏差对整机环境中涡轮性能的影响

叶型加工和装配的误差可能会对涡轮部件乃至发动机整机的性能产生显著的影响。本文针对某整机环境中的涡轮部件,采用数值模拟结合实验的方法,研究了涡轮叶型偏差对其气动性能的影响。结果表明:在整机环境中,叶型偏差首先导致涡轮部件气动性能的微小变化,而整台发动机的工作点随之改变,导致涡轮部件的来流条件、各级涡轮的转速和速度三角形以及其内部的流动细节均会发生明显的变化,最终叶型偏差对涡轮部件气动性能的影响被显著放大。     

填充系数对脉冲爆轰发动机爆轰噪声影响的实验研究

为探索不同填充系数下气液两相脉冲爆轰发动机爆轰噪声特点,搭建了能够准确调节气液两相脉冲爆轰发动机填充系数的噪声测试实验系统,对800 mm和3000 mm处不同角度下脉冲爆轰发动机爆轰噪声特性进行了研究。结果表明,随着填充系数的增加,冲击噪声幅值与射流噪声幅值随之增大,但射流噪声幅值与冲击噪声幅值的比值降低;在爆燃与爆轰的转折点,冲击噪声幅值与射流噪声幅值显著增加;爆燃阶段下的冲击噪声幅值与射流噪声幅值增加速率小于爆轰阶段;随着距离的增加,填充系数对冲击噪声与射流噪声的增强作用有所减弱,冲击噪声的衰减速度快于射流噪声;随着填充系数的增加,当距离较小时指向性明显,当距离较大时指向性不明显。      

填充系数对脉冲爆轰发动机爆轰噪声影响的实验研究

为探索不同填充系数下气液两相脉冲爆轰发动机爆轰噪声特点,搭建了能够准确调节气液两相脉冲爆轰发动机填充系数的噪声测试实验系统,对800 mm和3000 mm处不同角度下脉冲爆轰发动机爆轰噪声特性进行了研究。结果表明,随着填充系数的增加,冲击噪声幅值与射流噪声幅值随之增大,但射流噪声幅值与冲击噪声幅值的比值降低;在爆燃与爆轰的转折点,冲击噪声幅值与射流噪声幅值显著增加;爆燃阶段下的冲击噪声幅值与射流噪声幅值增加速率小于爆轰阶段;随着距离的增加,填充系数对冲击噪声与射流噪声的增强作用有所减弱,冲击噪声的衰减速度快于射流噪声;随着填充系数的增加,当距离较小时指向性明显,当距离较大时指向性不明显。     

一种航空发动机燃油流量基线的建模方法

为实现航空发动机的在巡航过程中的实时监控及时发现发动机状态参数的异常变化,提高飞行安全水平,提出基于航空发动机燃油流量(FF)基线求解偏差值的一种算法。依据设定的飞行数据筛选原则和预处理方法建立模型样本,设计以高斯函数为隐含层激励函数和以线性函数为输出层激励函数的多输入单输出的RBF神经网络,通过Pearson相关性分析确定网络的输入节点。使用该网络得到预测燃油流量基线,再与实际燃油流量做比较可得燃油流量偏差值。最后对预测偏差值和观测偏差值实施两配对非参数检验以验证网络精度,结果表明该方法是计算航空发动机巡航状态下燃油流量偏差值的一种有效算法。     

利用神经网络提高编码器精度的方法

介绍了编码器误差的构成及特点，针对系统误差的分布规律与特点提出了基于神经网络的误差修正方法。采用非线性逼近精度较高的径向基函数神经网络，以采样点的角度值作为网络的输人样本，以高精度检测编码器的检测值作为学习目标建立了误差修正模型。实验结果表明，采用此种方法可将编码器的精度提高至原来的3倍以上，可有效地改善编码器的系统精度。     

Intelligent active vibration control in an isolation platform

This paper presents the study on the vibration attenuation in an isolated platform by combining multi-layer perception (MLP) neural network, radial basis function (RBF) neural network, cerebella model articulation controller (CMAC) neural network and fuzzy neural networks (FNN) with error back propagation algorithm to control voice coil actuator. Usually, the methods in past time to control vibration were mainly designed by using mathematical models, which must be nearly close to the actual plant models. As regards to these utilized control methods, the most important advantage of them are that they have capability of self tuning the parameters of controllers and could adapt the changes of the environments. The performance of attenuation and control effectiveness can be evaluated by placing the accelerator to measure the amplitude at the center of the isolated platform. The experimental results in this study show that the control methods as adopted could greatly attenuate the vibration of resonance and external disturbance in an isolation platform.     

Control and diagnostic of the complex impedance of selected perovskite compounds

In this work the diagnosis control of the complex impedance of selected perovskite compounds versus artificial neural network model optimized with the Levenberg–Marquardt algorithm is performed as detection of aging and degradation of materials usually requires destructive testing. The artificial neural network optimized by the Levenberg–Marquardt algorithm used in this work allows us to monitor the materials (LaNd) SrMnCrO₃ in a non-destructive manner. This intelligent control is done by calculating the complex impedance which reveals reliable information on the phenomenon of transport in materials. The method overcomes the problem of the lack of a mathematical expression between the input parameters (temperature, doping, and frequency) and the necessary parameters for computing the impedance (bulk resistance, grain boundary resistance, and the two parameters of the constant phase element impedance A₀ and P). The robustness and performance of the artificial neural network model was verified by introducing additional noise and by using the root mean square error and the R-square.     

随机粗糙度对风力机翼型气动性能影响

建立人工神经网络、径向基函数网络和支持向量回归机三种近似模型,结合蒙特卡洛方法与表征粗糙度参数随机特性的概率模型对风力机翼型气动性能进行不确定性分析。结果表明,支持向量回归机具有最佳预测精度。对于风力机翼型FX 63-137,最大升力系数对吸力面前缘粗糙度的敏感性明显高于压力面;对于吸力面或压力面,前缘粗糙带厚度对最大升力系数的影响稍大于其覆盖长度的影响。研究工作为风力机翼型的鲁棒性设计优化奠定了理论基础。     

基于视神经网络的混沌时间序列奇异信号实时检测算法

提出了一种基于视神经网络的实时检测混沌时间序列中的奇异点算法,设计了视神经网络奇异点检测器(RNNND);然后设计了基于反向传播(BP)神经网络和径向基函数(RBF)神经网络的混沌时间序列奇异点检测器.利用Lorenz理论模型产生的时间序列和实测输油管道压力时间序列分别检验了这3个奇异点检测器在抗干扰能力、检测微弱信号能力和运算速度等方面的性能.仿真和分析表明,RNNND具有良好的检测精度和较快检测速度.最后详细分析了3种奇异点检测器优缺点并给出了适用场合.     

Liley模型的模拟EEG信号的非线性预测和分析

分析Liley模型的模拟脑电(Electroencephalogram,EEG)信号的非线性预测和径向基函数(Radial Basis Functions,RBF)神经网络预测,利用相图分析和非线性正交预测(Nonlinear Cross-Prediction,NLCP)方法研究模拟EEG信号.结果发现:①RBF神经网络预测的效果要好于非线性预测;②NLCP方法对含有强周期分量的高维系统具有较好的适用性;③支持了EEG中存在混沌运动的观点.     

尖楔前体飞行器FADS系统的径向基网络建模及验证

文章研究了针对一种用于尖楔外形的嵌入式大气数据传感（flush air data sensing，FADS）系统的解算模型及精度.首先基于飞行包络及CFD数据建立了FADS系统的测压孔选取标准；然后基于径向基函数（radial basis function，RBF）的人工神经网络建模技术构建了FADS系统的网络解算模型；最后给出了模型的测试误差，分析了气动延时效应、位置误差等误差源模型对算法精度的影响，并给出了网络模型的预测精度.结果表明，针对尖楔外形测压孔配置特征，基于RBF的人工神经网络算法解算精度较好，攻角、侧滑角、Mach数及静压的网络输出预测值与真实值吻合较好，输出的测试误差（绝对值）分别小于0.25°，0.5°，0.05及250 Pa.结果同时表明神经网络建模技术在尖楔前体飞行器FADS系统中的有效性.      

BP neural network recognition algorithm for scour monitoring of subsea pipelines based on active thermometry

Scour monitoring is an important concern for subsea pipeline systems. The active-thermometry-based scour monitoring is based on the difference of heat transfer properties between sediment and sand, recognizes the surrounding media though temperature changing patterns during heating and cooling processes, and hence detects the free spans. Based on the scour monitoring system, a two-layer BP neural network was employed to process the monitoring data and achieved media recognition. The network's inputs were normalized temperature time histories. The network's outputs denoted different media: sediment and water. To validate the method, three experiments were conducted; one was used for training the network and the other two for testing. Also, the effect of noise on the network's performance was studied through simulation. The results demonstrated the feasibility and robustness of the neural network.     

基于SOM和RBF网络的软测量方法研究

针对氢粉碎过程中钕铁硼粉碎状态不可知,为有效预测合金的反应状态,提出了一种基于自组织特征映射(SOM)神经网络和径向基函数(RBF)神经网络结合构建的网络模型。在该模型中,SOM神经网络作为聚类网络,采用无教师学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,作为径向基函数的中心;RBF神经网络作为基础网络,采用高斯函数作为径向基函数实现从输入到隐含层的非线性映射,输出层则采用有教师学习算法训练网络的权值,从而实现输入层到输出层的线性映射。并以钕铁硼氢粉碎过程合金中氢含量为检测对象,运用上述方法在MATLAB平台上建立了合金中氢含量预测模型,并完成了仿真验证。     

一种新型广义RBF神经网络在混沌时间序列预测中的研究

提出了一种新颖的广义径向基函数神经网络模型,其径向基函数(RBF)的形式由生成函数确定.然后,给出了易实现的梯度学习算法,同时为了进一步提高网络的收敛速度和网络性能,又给出了基于卡尔曼滤波的动态学习算法.为了验证网络的学习性能，采用基于卡尔曼滤波算法的新型广义RBF网络预测模型对Mackey-Glass混沌时间序列和Henon映射进行了仿真.结果表明,所提出的新型广义RBF神经网络模型能快速、精确地预测混沌时间序列,是研究复杂非线性动力系统辨识和控制的一种有效方法. 关键词： 广义径向基函数神经网络 卡尔曼滤波 梯度下降学习算法 混沌时间序列 预测     

A Novel RBF Neural Network Training Methodology to Predict Toxicity to Vibrio Fischeri

Summary This work introduces a neural network methodology for developing QSTR predictors of toxicity to Vibrio fischeri. The method adopts the Radial Basis Function (RBF) architecture and the fuzzy means training strategy, which is fast and repetitive, in contrast to most traditional training techniques. The data set that was utilized consisted of 39 organic compounds and their corresponding toxicity values to Vibrio fischeri, while lipophilicity, equalized electronegativity and one topological index were used to provide input information to the models. The performance and predictive ability of the RBF model were illustrated through external validation and various statistical tests. The proposed methodology can be used to successfully model toxicity to Vibrio fischerifor a heterogeneous set of compounds.