失重状态下旋转陀螺交互操作的仿真研究

针对在地面难以使用实物进行空间操作任务训练的问题,提出了一种基于人机交互和物理引擎技术的交互操作虚拟仿真方法,并实现了失重状态下旋转陀螺的虚拟操作训练。实现中首先建立航天员和陀螺的三维图形模型和用于碰撞检测的物理模型,并采用虚拟现实设备数据手套和位置跟踪仪实时跟踪获取受训人体的实时运动数据,用于交互控制虚拟航天员的运动,最终通过物理引擎及仿真算法计算失重状态下旋转陀螺的运动状态。结果显示,该方法较好地解决了旋转陀螺定轴特性仿真问题,能够满足虚拟训练的实时性和有效性要求。     

智能轮询在航天测控运行管理系统中的应用

为提高对航天测控系统设备状态监视和运行管理的实时性和效率,研究了航天测控设备状态采集轮询方法,分析了固定周期轮询算法和传统基于马尔可夫链的智能轮询算法的不足,提出了一种基于马尔可夫链的改进型智能轮询策略。该方法能根据航天测控设备TRAP("陷阱")事件和MIB(管理信息库)变量关系模型,实时动态地对关联变量进行局部轮询,并动态调整轮询间隔时间。通过实验对比表明,与固定周期轮询算法、传统马尔可夫链智能轮询算法相比,该算法在数据采集的真实度和网络带宽占用上取得了更好的平衡,更能实时反映出设备状态的变化细节,占用更小的网络带宽。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

一种在轨卫星星上事件状态展示的实现途径

传统的卫星监测显示系统主要以表格、曲线的方式对卫星下传的各类数据进行显示,即使有可视化显示软件,也主要偏重于飞行轨道和姿态运动的三维显示,很少能实时反映卫星星上部件的在轨运行状态。文章结合我国卫星监测技术与三维实时动态显示技术,设计了一种可用于显示卫星星上事件状态的可视化软件,通过对卫星设计阶段模型的导入,解析卫星结构,建立基于卫星重要设备或部件的可编辑的模型,以及与相关实时遥测参数的关联,实现卫星星上状态的可视化。     

涡轮泵实时故障检测短数据均值自适应阈值算法

为了实时监控液体火箭发动机涡轮泵的状态，提高其安全性，降低其故障带来的破坏程度，提出了短数据均值自适应阈值算法(SDM—ATA)，建立了实时故障检测的统计学模型、研究了阈值区间均值与方差的自适应计算及其带宽系数的自适应训练、故障综合决策逻辑，以及故障数据对阈值贡献的踢除等方法，并利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证。结果表明，SDM—ATA没有发生误检测情况，并具有实时故障检测的能力。     

基于数字孪生的设备加工过程监测技术研究

针对典型航空产品装配生产线的生产过程中缺乏有效的人机交互手段,设备实时运行状态可视化监控程度低等问题,提出了一种基于数字孪生的加工设备运行状态监测方法,包括模型构建与优化处理、NC程序解析与加工仿真、软硬件通信与数据传输和实时仿真与数据分析。最后在某航空发动机外涵机匣装配生产线验证了该方案,可以实现NC程序加工仿真分析、设备运行过程中状态的在线监测和实时三维仿真。     

基于迁移学习方法的安全运行状态评估综述

迁移学习是利用其他相关领域已有的知识解决给定领域问题的一种方法,能够有效抑制数据缺失对 准确建立状态评估模型的影响,从而为设备安全可靠运行以及维护决策等方面奠定基础。本文总结了航空航 天领域相关设备产品数据缺失条件下利用迁移学习实现运行状态评估的研究现状,探讨了迁移学习方法在状 态评估领域未来的研究方向,为航空航天领域相关研究人员提供了最新参考,以便对实际问题进行分析并据此 寻找可能的解决方案。     

激光告警多目标定位与跟踪技术研究

研究了激光告警多目标定位和跟踪的建模方法。利用聚类概念,对激光告警器测量数据进行集类,并对各个类对应的目标状态进行空间-时间融合。通过求解航迹信息融合的状态估计值,实时形成同步脉冲控制逻辑,从而实现对激光多目标的实时跟踪和激光信号的实时提取。给出了激光告警多目标定位与跟踪的设计过程,提出了一种实用简便的融合算法,并设计了一套该模型的原理样机。试验结果验证了这种方法的有效性。     

浅谈预测性维修对航空维修业的影响

1预测性维修的发展 作为当前最新的飞机健康管理理念,预测性维修是指通过获取飞机上每个部件实时的健康数据,对数据流进行管理并且持续整合最新的维护记录,通过算法对数据分类、分析、整合,以预测单个或多个部件的故障,实时管控整个机队的状况,从而降低维修成本,提升安全性.     

数字化车间虚拟监控系统研究

传统的虚拟监控系统管理层与执行层信息交互能力不足,不能满足当前车间监控需求,基于虚拟现实技术与信息集成技术,建立车间状态监控系统,实现整个车间内人员、物料、设备等位置及状况的实时监控.系统以三维制造资源模型为基础构建数据逻辑模型;采用XML规范建立系统模块间的数据接口;利用实时状态数据驱动三维虚拟模型;利用Unity3D技术实现虚拟场景的渲染与实时人机交互,最后通过实例验证了系统的有效性.     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

基于隐马尔科夫模型的故障诊断系统研究

在制造行业中,机械设备的状态检测技术能提供关于设备运行状态的实时信息,为避免生产损失和减少设备的致命故障提供保障。提出了一套基于小波变换和隐马尔科夫模型(Hidden Markov Models,HMMs)的故障检测系统。提出了小波模极大值分布(Wavelet Modulus Maxima Distribution),并将之定义为诊断系统的观察量加以验证。同时该系统采用在线模型参数估计和培训算法,通过选取能最大化对数似然度的HMM模型,确定设备所处状态。     

在线学习的循环自适应机动目标跟踪算法

针对机动目标难以精确跟踪的问题,提出了一种可在线学习的循环Kalman神经网络跟踪算法。考虑到状态转移矩阵、量测噪声和过程噪声矩阵在机动目标跟踪中难以实时、离线估计,且在实际应用中对应数据集获取成本高,因此使用在线学习的神经网络对其进行实时估计。由于Kalman滤波算法本身是一种循环结构,将简单的全连接层网络与其嵌合,全连接层网络实时输出状态转移矩阵、量测和过程噪声矩阵估计,构成一种广义的循环Kalman神经网络,根据网络最终输出的位置估计进行端到端的在线学习,并且通过理论推导证明了其在线学习的可行性。将提出的循环Kalman神经网络同3种经典机动目标算法进行了仿真对比,结果表明：循环Kalman神经网络跟踪需要很少的先验信息,在最优区域内较之其他3种算法具有最高的跟踪精度和鲁棒性,并且具有效率高、训练成本低以及可扩展性强的特点。     

基于信度规则库的惯性平台健康状态参数在线估计

 实时准确的健康状态预测是规划惯性平台系统及时、经济的维修策略的关键技术。由于平台系统的健康状态是不能够直接观测的,假设平台系统的特征参数监测数据是可以获取到的,而且平台系统的健康状态与特征量是相关的。基于信度规则库(BRB),以平台系统的状态监测特征参数作为BRB系统的输入,以平台的健康状态作为输出结果,组建了惯性平台健康状态预测系统。为了克服现有BRB参数优化方法的不足,实现实时状态预测,基于期望最大化(EM)算法,研究了健康状态预测系统的参数在线估计算法。该算法在获取系统新的输入输出信息后,就对参数进行更新。利用本文提出的方法对惯性平台系统的健康状态实时预测问题进行了实验分析,实验结果表明：该方法可以有效地实现惯性平台系统健康状态预测模型参数实时估计;与参数离线优化方法相比,该方法不仅在预测精度上,而且在运行时间上都具有明显的优势;在工程实际中有良好的应用潜力。     

航天测控站运管系统设计

针对航天测控站管理域内测控、通信、气象、勤务等专业设备需要垂直管理,但节点分散、设备运行状况无法实时获取的现状,设计开发了测站运管系统。该系统涵盖测站管理域内测控设备协议转换、气象设备运行管理、勤务设备运行管理、测控信息检查与测试、综合信息管理以及综合态势展示等功能,实现了各专业设备运行状态采集、信息传输、专业管理、数据处理、信息展现及故障报警的层次化管理模型,建立了标准化的测站管理体系,规范了测站跟踪流程,实现了从准备开始、设备标校、捕获跟踪到数据质量分析的全过程管理,提高了测站管理域的管理质量和自动化运行效率。     

飞机短舱吊挂结构状态监测系统软硬件集成化设计

针对飞机短舱和吊挂关键结构部位状态监测的需求与目标,制定了总体监测方案,根据结构的特点对多种传感器进行了合理化布局,并对多台监测设备的软硬件进行了集成化设计,解决了多设备总线通信、3D模型显示与处理、数据库管理、人机交互界面设计等关键技术,利用Lab VIEW编制了上位机软件,实现了用一台上位机管控多传感器数据采集、多设备参数配置与数据传输、多类型数据存储与管理等复杂功能,并且能在3D模型上实时动态显示结构状态变化,还具备了结构状态变化动态回放、历史数据可查询以及可扩展性等功能。验证试验表明,该系统达到了飞机结构状态监测的实时性和准确性、结果显示直观性、数据管理规范性、人机交互便捷性等设计目标,对于飞机结构状态监测系统集成技术的发展具有一定的意义。     

基于Measurement Studio的民机颤振试飞数据实时监控分析系统设计与研究

颤振试飞是风险极高、多学科交叉的复杂试飞科目,其实时监控及分析显得极为重要。以某型国产民机颤振试飞为背景,基于Measurement Studio平台,设计开发了颤振试飞数据实时监控分析系统。系统集成了半带宽法、快速傅里叶变换、小波转换等算法,实现了颤振数据的时频域分析、阻尼计算,并以文本格式在实时状态下记录了颤振数据,同时以多线程和DataBinding模型完成了分析结果的实时显示,为国产民机的安全试飞提供了技术保障。     

用于卫星定点保持机动的专家系统

本文介绍了一种完成航天系统实时分析和指令产生的专家系统样机的开发及其能力。目前,卫星轨道控制专家系统(ESSOC)已能够进行同步卫星定点保持机动。考虑了航天器不断变化状态和前面的动作,ESSOC给操作手推荐相应的指令,指导操作手完成定点操作。与卫星状态有关的信息存入专家系统的知识库。该知识库不断被处理过的航天器遥测数据更新。过程的结构信息用产生式规则进行编码。过程式规则相互无关,而且与知识库无关,这样就使得系统很容易维护和扩展。文章特别强调了ESSOC系统特性及其开发,即知识获取的结构化方法,以及使ESSOC能在实时环境中工作的设计及提高性能的技术。     

基于试飞数据的航空发动机加力瞬态过程模型辨识

为了对某航空发动机慢车至最大以及最大至慢车加力瞬态过程的工作状态进行监控,在该发动机实际飞行试验数据基础上,基于三层前向人工神经网络,辨识得到了该型发动机加力瞬态过程模型,对模型预测精度进行了分析讨论,利用额外的飞行试验数据对模型进行了检验。结果表明,辨识模型能够指示加力燃烧室工作状态,模型计算模拟参数与实际飞行试验数据吻合良好。该辨识模型可应用至该型发动机飞行试验的实时监控中,也可为其他型号发动机模型辨识提供参考。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。