基于遗传神经网络的飞行载荷参数识别

针对飞行载荷参数识别问题,结合典型机动动作,提出一种优化改进的BP神经网络模型。模型采用留出方法和遗传算法对BP神经网络的设置参数进行优化,利用最优设置参数训练得到飞行载荷与飞行参数的BP神经网络模型。在半滚机动下,通过利用飞行参数识别某一部位弯矩并与未优化BP神经网络对比,表明优化改进的BP神经网络模型对飞行载荷参数识别是一种可行且精度高的方法。     

基于遗传算法与评估模型的飞行载荷实测研究

为了得到飞行载荷实测所需的最优载荷方程,建立了可表征载荷方程数学意义和物理意义的评估模型,与遗传算法(GA)结合,以载荷方程评估驱动载荷方程建立,形成一种新的载荷方程建立方法——EMGA。通过建立某机翼根部剪力方程,比较了穷尽搜索(ES)法、传统GA和EMGA所建载荷方程的评估模型参数。最后将3种方法建立的方程用于飞行载荷实测。结果发现:和其他两种方法比较,本文提出的EMGA可得到最优的载荷方程;EMGA测得的飞行载荷分散性小,最优载荷方程的测量结果可作为最终的飞行载荷。     

飞行载荷参数识别方法研究

介绍了飞行载荷参数识别方法的基本原理。基于飞行载荷与飞行参数之间存在着相关性,通过专门的飞行试验实测载荷和参数,利用回归技术建立载荷与参数之间的经验关系,将飞行测量的参数转换成飞机结构部件上的载荷。还介绍了把该方法使用于Ｆ－７尾翼载荷和Ｆ－６操纵面铰链力矩导数的参数识别的研究实例,并对其进行了相应的评述。研究结果表明了这种方法的可行性、可靠性及实用价值。     

一种对飞行参数选取的自适应方法

飞参数据的典型选取问题是单机寿命监控以及飞行品质分析中压缩数据的储存空间关键。针对飞参数据的特征,提出了一种基于ELM极限学习机的飞参数据选取的模型。利用极限学习机ELM神经网络、文化基因算法MAS优化的方式,克服了算法中存在早熟收敛和局部极小的问题。实现了对飞机不同部位载荷自适应选取不同飞行参数的效果,有效获得评估出飞参数据的重要度。验证结果表明,优化后的ELM-M模型比传统选取飞参模型的精度得到了极大提高,泛化能力增强,说明了方法的可行性、有效性。     

基于微分载荷模型的飞行载荷参数辨识方法

介绍了一种基于微分载荷模型的飞行载荷辨识方法.根据实测载荷与飞行参数之间存在的相关性,利用输出误差法对平尾微分载荷模型进行了辨识,得到了飞行状态下平尾载荷的计算模型.同时得到了适合于飞行载荷辨识的一种方法,该方法可以研究飞机的不同操纵规律对结构载荷的影响,具有较高的精度,可行有效.     

飞行载荷神经网络代理模型研究

在飞机结构强度设计时,需要进行飞行载荷分析,但载荷分析的周期较长,需要研究更加高效精准的飞行载荷分析方法以缩短载荷设计周期。以某型涡桨飞机平尾为研究对象,根据规范进行全包线飞行仿真和平尾分布载荷计算,得到训练和校验的输入工况和平尾输出载荷;分别建立基于BP 神经网络、RBF 神经网络和ELM 神经网络的平尾载荷代理模型,比较不同神经网络模型对平尾根剖面载荷预测的精度和效率,并对载荷输入参数贡献度进行定量分析。结果表明：三种神经网络模型都具有较高的精度,基于神经网络的飞行载荷代理模型可以大幅提高飞行载荷分析效率。     

基于数字滤波的飞行参数预处理新方法

应用小波网络的非线性函数逼近对数字滤波进行了研究 ,为载荷谱编制过程中飞行参数的预处理提供了新方法     

复杂结构飞行器的飞行载荷建模方法研究

复杂结构飞行器的传统飞行载荷建模方法存在误差大、效率低的问题。考虑电桥指标及载荷方程指标对载荷模型的综合影响,提出一种飞行载荷改进建模方法,以多梁多墙结构为例,基于某型机机翼地面载荷校准试验数据建立载荷模型,将改进方法与传统方法计算的弯矩及剪力进行对比,结合试飞数据对改进方法所得模型进行验证。结果表明：该飞行载荷改进建模方法适用于复杂结构飞行器载荷建模,处理地面试验数据时能够提升载荷模型的精度和迭代稳定度,所得载荷模型可以用于飞行载荷测量及安全监控。     

直升机飞行载荷应用探讨

直升机载荷在结构设计和验证中起着关键性的作用。90年代以来,直升机的飞行载荷测量技术得到了飞速发展,使全面获得各型号的飞行载荷成为了可能。基于飞行载荷实测数据,从飞行载荷与旋翼构型的关系、影响飞行载荷的因素、状态载荷的分布规律,以及飞行载荷与故障的相关性等几方面对如何拓展飞行载荷的应用范围进行了初步探讨,为充分发挥飞行载荷历史数据在新机研制的设计、试验和试飞验证中的作用提供思路。     

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。     

基于支持向量机的飞机重着陆预测模型

研究以建立一种重着陆预测模型为目的,筛选飞机着陆过程中部分飞参数据,有针对性地提出一套飞参数据处理与分析方法,基于处理后的飞参数据建立一种支持向量机的重着陆预测模型,通过特征选取与参数优化,对预测模型做进一步修正,可实现75.69%的重着陆预测率。预测模型可有效实现重着陆的预测,对飞机着陆安全预警工作,具有重要借鉴意义。     

飞行载荷试飞测试结果应用方法研究

飞行载荷设计是多学科的综合优化过程,设计结果需要飞行试验的验证,既是飞机设计规范的规定,也是适航审定的需要。文中结合多年研制经验和试飞测量工作,以2型不同布局特点的飞机为例,采用绝对值和增量分析方法,给出了试飞实测结果与设计结果的对比。结果表明,不同布局类型飞机的实测载荷,应根据其设计特点采用不同的分析方法,才能较好地完成飞行载荷设计方法的验证。     

多控制面飞行器结构与配平鲁棒气动弹性优化方法

基于遗传算法,提出了一种考虑多控制面飞行器结构参数和配平关系中的不确定性的鲁棒气动弹性优化方法,并在一个带有主动气动弹性机翼(AAW)的复杂小展弦比飞机的结构和控制面传动比的鲁棒设计中得到了应用.以非概率形式来衡量设计变量的不确定性变化,采用单目标函数形式,并引入一个反映目标函数相对变化的额外约束来描述鲁棒优化问题.在严重载荷状态下,以结构质量最小化为目标,以控制面偏转角、铰链力矩、翼根载荷和临界颤振速度为鲁棒约束条件,实现了结构和传动比的同步优化设计.通过与不考虑鲁棒性要求的传统设计方法进行比较,论证了鲁棒设计方法的有效性.研究结果表明,鲁棒最优解虽然要付出一定的质量代价,但对结构设计变量和传动比设计变量的不确定性摄动具有更好的抗干扰性.     

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

遗传算法在航班覆盖问题中的应用研究

为了解决航标串生成中的航班覆盖问题,首先采用深度优先搜索算法生成最初航班串。然后在传统遗传算法中引入了启发式算子,将该算法应用在航班覆盖问题上,提高了算法效率,对实例的应用也得到了较好的效果。     

飞机横向敏捷性的优化计算

讨论了横向敏捷性指标——飞机带过载情况下滚转并捕获 90°滚转角的时间的计算评估问题。由于该指标值对操纵输入规律的变化较敏感 ,使不同飞机间敏捷性评估缺乏可比性。为了消除驾驶技术对其的影响 ,提出了最优横向敏捷性指标的概念 ,并建立了用遗传算法计算最优横向敏捷性的模型 ,通过选取适当的适应度函数及遗传操作算子 ,对最优横向敏捷性进行了计算。仿真结果表明 ,该优化方法在横向敏捷性计算评估中 ,具有良好的工程性和鲁棒性     

基于GA的民航飞机水平航线动态寻优算法

目前的机载飞行管理计算机系统 (FMCS)在进行飞行优化时 ,视航路为固定常量。这与自由飞概念是相斥的 ,而且也制约了对空域和GPS等技术的充分利用。水平航线的动态实时优化是解决该问题的根本方法。本文首先研究了该优化问题的数学建模 ;然后针对普通寻优算法耗时颇巨的缺点 ,提出了基于一种改进的遗传算法 (GA)的航线动态优化算法 ;最后给出了部分仿真实验结果以评估此算法的性能。