基于多目标自适应协同优化网络的直升机旋翼动平衡

《Aerospace Science and Technology》：Dynamic Balancing of Helicopter Rotors via a Multi-Objective Adaptive Cooperative Optimization Network

　　

旋翼动平衡对于抑制直升机振动、确保制造质量和飞行安全至关重要。然而，传统的动平衡策略主要依赖人工经验公式，效率低下且高度依赖操作员经验。本文提出了一种基于多目标自适应协同优化网络的高效动平衡方法。具体而言，研究人员建立了考虑配重(Cw)质量和后缘调整片(TE tab)角度的完整动平衡数学模型。基于该模型，采用蛇形卷积(snake convolution)捕捉参数矩阵的拓扑特征，构建高维特征池；随后利用变分聚类机制(variational clustering mechanism)分析特征权重并建立输入-输出映射数据集；最后构建由遗传算法(Genetic Algorithm, GA)优化的反向传播(Back-Propagation, BP)神经网络，实现TE调整片角度和Cw质量的精确预测。消融实验和桨叶互换性测试验证了所提方法的鲁棒性和高精度。与传统工程方法相比，该方法将飞行测试迭代次数平均减少3次以上，计算效率提升约90%，为开发高效的直升机旋翼动平衡提供了新范式。

**论文解读：基于多目标自适应协同优化网络的直升机旋翼动平衡方法研究**

**研究背景与问题**
直升机旋翼作为升力和推进力的主要来源，其动平衡对于抑制振动、确保制造稳定性、结构寿命和飞行安全至关重要。统计表明，20%的直升机事故可归因于振动，其中35%直接源于旋翼振动。尽管已有诸多研究在旋翼动平衡理论建模（如基于叶素理论、谐波平衡法的模型）和平衡方法（如气动弹性模型、有限元分析、矩阵法在线监测、无试重瞬态表征法等）方面取得显著进展，但现有工作多聚焦于运行和维护阶段的平衡状态监测与调整，鲜有涉及制造阶段的动平衡，而制造阶段的一致性确保和桨叶互换性至关重要。此外，当前动平衡策略普遍依赖经验公式和线性叠加假设，需多次飞行测试确定最优修正参数，效率低下，成为大规模旋翼制造的瓶颈。因此，亟需自动化、智能化、自适应均衡策略以满足现代直升机旋翼制造需求。近年来数据驱动技术（如多层LSTM网络、两阶段深度学习框架、无监督方法等）为旋翼平衡开辟了新路径，但针对直升机旋翼高效平衡的数据驱动探索仍存在空白。本研究旨在开发一种基于遗传算法-聚类变分网络(GACV-Net)的高效动平衡方法，以填补这一空缺。

**研究内容与结论**
研究人员提出了一种系统性的解决方案：首先构建考虑配重(Cw)质量和后缘调整片(TE tab)角度的完整数学模型；然后创新性地引入蛇形卷积(snake convolution)捕捉旋翼振动信号的非欧几里得几何特征，提取高维拓扑特征；接着集成基于三元组损失(triplet-loss)的聚类机制以降低维度、抑制噪声，缓解小样本稀疏性问题；最后构建由遗传算法(GA)优化的BP神经网络，实现调整参数的高精度预测。实验严格验证了该方法：消融实验证实了各模块的有效性，桨叶互换性测试验证了工程实用性。与传统工程方法相比，该方法将飞行测试迭代次数平均减少3次以上，计算效率提升约90%，振动抑制达到0.2 IPS（英寸/秒）阈值以内。论文发表在《Aerospace Science and Technology》。

**主要关键技术方法**
（1）构建了考虑配重(Cw)质量和后缘调整片(TE tab)角度的简化刚体动力学模型及线性气动力模型，推导出挥舞运动控制方程，建立双调整机制。（2）采用蛇形卷积(snake convolution)从原始12×14参数矩阵中提取9×9高维特征矩阵，捕获拓扑结构。（3）基于变分聚类机制(variational clustering mechanism)分析特征权重，建立输入（状态量ΔEH（挥舞高度差）、ΔM_θ（铰链力矩差））与输出（TE角度、Cw质量）的映射数据集。（4）构建遗传算法(GA)优化的BP神经网络，实现精确预测。

**研究结果**

**1. 标准桨叶的选择**
通过“小螺距”（0°总距）条件分离恒定力矩差，“大螺距”（9°总距）条件突出最大高度偏差，有效解耦机械与气动不平衡。利用贝塞尔曲线拟合ΔEH与ΔM_θ数据，确定标准桨叶的基准特征。

**2. 网络架构与核心模块**
蛇形卷积将原始12×14矩阵映射为9×9特征矩阵；三元组损失聚类优化特征空间；GA优化BP网络实现高精度预测。训练后网络对TE调整片角度和Cw质量的预测误差分别低于0.5°和5g。

**3. 数据采集**
TE调整片角度调整前在[-3°,3°]区间呈多峰分布，调整后集中于[-2°,2°]区间。Cw质量调整前多在[0,100g]区间，调整后分布于[50g,200g]区间。网络输出与实验测量值高度吻合，最大偏差小于5%。

**4. 飞行测试振动抑制验证**
未经验证的桨叶地面试车振动为0.18–0.23 IPS，经试验台预校准后机上调整工作量显著减少，所有桨叶最终振动均低于0.2 IPS阈值，满足飞行标准。

**5. 互换性验证**
频谱分析证实优化参数有效补偿了桨叶个体差异；互换性测试表明不同桨叶组合后振动水平均在0.2 IPS以内，验证了方法的通用性和稳健性。

**总结讨论与结论**
讨论部分指出该方法通过数据驱动减少了对人工经验的依赖，同时消融实验证实蛇形卷积和变分聚类模块对提升预测精度至关重要。互换性测试表明该方法能够保证生产一致性，适合规模化制造。结论部分（翻译）：
“针对直升机旋翼动平衡在制造过程中存在的效率低下和严重依赖人工经验的问题，本研究提出了一个从理论建模到工程验证的系统性解决方案。首先，构建了混合物理-数据驱动模型，推导挥舞运动控制方程，并建立了Cw质量和TE调整片角度的双调整机制。随后，以ΔEH和ΔM_θ为核心状态量，基于蛇形卷积和变分聚类构建了输入-输出映射数据集。最后，通过GA优化BP网络实现了高精度预测。飞行测试表明，该方法将平衡迭代次数减少3次以上，效率提升约90%，为高效旋翼动平衡提供了新范式。”