航空发动机燃油污染快速检测技术的初步研究

针对航空发动机润滑系统受到燃油污染的问题,提出1种基于红外光谱分析的快速检测技术。利用傅里叶变换红外光谱技术(FIRT),结合偏最小二乘算法(PLS),建立了燃油污染定量检测的数学校正模型。讨论了不同光谱预处理方法和PLS因子数对模型预测能力的影响。通过对光谱预处理和优化建模参数,提高了模型的预测精度,在一定的燃油质量分数范围内,得到了较为理想的数学校正模型。使用建立的分析模型对预测集样本进行预测,预测值与实际值相关性良好,相关系数R=0.9994,预测均方根误差RMSEP=0.082,重现性实验标准偏差SD=0.044~0.088。研究结果表明该燃油污染快速检测技术是可行的。     

矩阵的奇异值分解 在红外光谱预处理中的应用

研究了矩阵的奇异值分解在红外光谱预处理中的应用。对奇异值序列,采用间距最大最高峰原则,选择有效秩的阶次;对原始光谱进行奇异值降噪处理、一阶微分处理,用相关系数法选择建模谱段为3 100~2 650 cm~(-1)和1 600~1 250 cm~(-1);采用PLS法建立运动粘度的校正模型,并与卷积平滑等预处理方法进行比较。模型校正集的相关系数(R_c)为0.977 9,标准偏差SEC为0.100 5,预测集的相关系数(R_P)为0.941 2,标准偏差SEP为0.154 7。研究结果表明:奇异值分解和一阶微分相结合可有效去除光谱噪声和基线漂移的干扰,提高PLS分析模型的准确度。     

近红外漫反射光谱在环氧预浸料质量分析中的应用

采用近红外漫反射光谱技术对环氧预浸布的树脂含量和挥发份含量进行了快速无损检测。利用偏最小二乘法建立校正模型,通过选择不同的光谱预处理方法和光谱范围对模型进行优化,所建立的树脂含量和挥发份含量模型的决定系数R2分别为97.16和95.48,校正均方差RMSEC为0.564%和0.202%,预测均方差为0.617%和0.274%。预测集的t检验结果表明近红外的测定结果和标准方法的测定结果之间不存在显著性差异。此方法可以满足环氧预浸布的质量检测要求,为其生产过程的质量控制提供了一种有效手段。     

主成分分析用于近红外光谱定量测定高硅氧／酚醛预浸料树脂含量及挥发份含量研究

采用傅里叶变换近红外漫反射光谱技术分析了酚醛树脂固化过程的光谱变化,发现高硅氧/酚醛预浸料的近红外光谱经一阶导数处理后,被树脂信息掩盖的挥发份(乙醇)的光谱信息显露出来,由此采用处理后的光谱定量分析挥发份能取得更精确的结果。结合主成分分析法研究了高硅氧/酚醛预浸料树脂含量、挥发份含量的定量分析。结果表明,预浸料的第一主成分在树脂含量上有极高的正载荷。用主成分回归所建立的模型对未知样品预测,树脂含量和挥发份含量平均标准偏差分别为0.6114和0.1885。     

利用1.4μm附近的激光吸收光谱测量气体压强和H_2O组分浓度

为了完善基于波长调制光谱的应用研究,利用1.4μm附近的H2O吸收谱线(7454.45cm-1),研究了一种基于波长调制光谱测量气体压强和组分浓度的方法。基于谱线7454.45cm-1的4fpeak/2fpeak和2f/1f信号,详细分析了波长调制光谱方法测量的详细过程。结合仿真和实验,通过迭代算法在样品池内实现了气体压强和组分浓度的同时测量。实验结果表明:在500~1000K的温度范围内,压强和组分浓度的测量值与预测值基本符合,与预测值的最大误差分别在5%和4%以内。     

交互式多模型算法中模型集选择的分析研究

分析研究了交互式多模型算法中的模型集的选择问题。首先,从理论上对模型集选择进行了分析,讨论了模型集中不匹配模型对轨迹预测性能的影响,并提出一种自适应(ACT)模型集;然后通过仿真试验,验证了模型集选择的理论分析,并证明了交互式多模型算法采用自适应(ACT)模型集的优越性。     

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择；训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。      

用于激光吸收光谱二维重建的光谱优化选择方法研究

光谱组合对多光谱重建技术的重建结果有很大影响,不合理的光谱组合会降低光谱测量的有效性,加大重建误差。为了从海量的光谱数据库中选出适用于被测流场参数范围的最优光谱组合,提出了一种基于向量组线性相关性的光谱选择方法,采用数值仿真的方法开展研究,仿真结果验证了方法的可行性与可靠性。分析了测量信号无噪声和存在噪声时,光谱数量与重建结果的关系。研究发现最优光谱组合的线性相关指数小于0.01时,该组合存在光谱的冗余。保证测量有效性的同时光谱数量最少的光谱组合为线性相关指数不小于0.01的最优光谱组合。测量存在噪声时,光谱数量越多,噪声的抑制效果越好,重建结果精度更高。通过重复测量法可以有效降低噪声影响,用最少数量的光谱实现更多光谱的测量效果。     

C/C复合材料光谱发射率测量研究

使用石英灯辐射加热器对C/C复合材料进行加热试验,分别用NiCr-NiSi热电偶及红外测温仪测量材料的背面温度,通过加热过程中的背面温度曲线,得到了材料的ελ-T图.结果表明:在1 123～1 273K情况下,ελ(λ=1.6μm)在0.93～0.87,随温度升高,C/C复合材料的光谱发射率ελ呈下降趋势.     

月球探测器发动机羽流辐射热流计算

火箭发动机羽流的辐射的计算需要求解气体介质的辐射传递方程(RTE).计算模型中基于单线组(SLG)模型考虑气体组分的光谱特性,并采用离散传递法(DTM)求解RTE,对波长积分得到辐射热流密度.通过对圆柱高温CO₂气团辐射热流计算来验证计算程序,然后在流场计算的基础上,计算了月球探测器主发动机和姿控发动机羽流对各部位和仪器的辐射热流密度,根据对不同工况计算结果的分析为探测器的设计提供参考.      

一种可用于航空发动机健康状态预测的动态集成极端学习机模型

提出一种动态集成极端学习机模型用于航空发动机健康状态预测.采用AdaBoost.RT集成学习算法对极端学习机（ELM）进行集成,在训练时采用每个训练样本的近邻样本对ELM的局域性能进行评估;在预测时首先确定新样本在训练样本集中的近邻样本,然后根据ELM在近邻样本上的性能来赋予集成权值实现弱学习机的动态集成.以燃油流量为指标进行航空发动机健康状态预测,动态集成ELM模型短期预测结果的平均相对误差绝对值（MAPE）为3.688%,小于单一ELM模型的3.830%以及静态集成ELM模型的3.719%;长期预测结果中动态集成ELM模型的MAPE为3.075%,小于单一ELM模型的4.355%以及静态集成ELM模型的3.884%.因此动态集成ELM模型更适用于航空发动机健康状态预测.      

Novel Nonlinear Filtering & Prediction Method for Maneuvering Target Tracking

A new nonlinear filtering and prediction (NFP) algorithm with input es?imation is proposed for maneuvering target tracking. In the proposed method, the acceleration level is determined by a decision process, where a least squares (LS) estimator plays a major role in detecting target maneuvering within a sliding window. We first illustrate that the optimal solution to minimize the mean squared error (MSE) must consider a trade-off between the bias and error variance. For the application of target tracking, we then derive the MSE of target positions in a closed form by using orthogonal space decompositions. Then we discuss the NFP estimator, and evaluate how well the approach potentially works in the case of a set of given system parameters. Comparing with the traditional unbiased minimum variance filter (UMVF), Kalman filter, and interactive multiple model (IMM) algorithms, numerical results show that the newly proposed NFP method performs comparable or better in all scenarios with significantly less computational requirements.     

基于GRNN算法的飞机用电设备非侵入式负荷监测方法

随着飞机的多电化和全电化,机上电气检测及其负荷管理至关重要,然而飞机上为诊断所设置的传感器数量要求越少越好,非侵入式负荷监测（NILM）方法无需分散进入负荷内部,仅检测汇流条级别电力参数可完成负荷识别。选择稳态电流谐波参数为负荷印记,采集某型飞机交流主汇流条上用电设备真实电流波形,提取1~19次谐波含量建立特征库,用广义回归神经网络（GRNN）算法辨识负荷类别,设置适当样本数和扩展速度以有效提高识别准确度。实验表明：GRNN算法较之BP神经网络算法和SVM算法识别准确度更高,计算速度更适于飞机电气系统负荷监测和管理。将非侵入式负荷监测方法引入飞机供电系统分析,将为飞机电气管理、故障诊断和预测等进一步研究提供有效参考。     

Satellite lithium-ion battery remaining useful life estimation with an iterative updated RVM fused with the KF algorithm

Lithium-ion batteries have become the third-generation space batteries and are widely utilized in a series of spacecraft. Remaining Useful Life (RUL) estimation is essential to a spacecraft as the battery is a critical part and determines the lifetime and reliability. The Relevance Vector Machine (RVM) is a data-driven algorithm used to estimate a battery’s RUL due to its sparse feature and uncertainty management capability. Especially, some of the regressive cases indicate that the RVM can obtain a better short-term prediction performance rather than long-term prediction. As a nonlinear kernel learning algorithm, the coefficient matrix and relevance vectors are fixed once the RVM training is conducted. Moreover, the RVM can be simply influenced by the noise with the training data. Thus, this work proposes an iterative updated approach to improve the long-term prediction performance for a battery’s RUL prediction. Firstly, when a new estimator is output by the RVM, the Kalman filter is applied to optimize this estimator with a physical degradation model. Then, this optimized estimator is added into the training set as an on-line sample, the RVM model is re-trained, and the coefficient matrix and relevance vectors can be dynamically adjusted to make next iterative prediction. Experimental results with a commercial battery test data set and a satellite battery data set both indicate that the proposed method can achieve a better performance for RUL estimation.     

基于自适应IMM的高超声速飞行器轨迹预测

为了给基于预测命中点法的高超声速飞行器中制导拦截提供先验知识,提出高超声速飞行器的轨迹预测方法。首先,给出高超声速环境下与目标姿态近似线性的气动参数;其次,针对气动参数作控制量的运动模型,设计自适应交互多模型（IMM）跟踪算法,并进行性能有效性验证;然后,根据气动参数特性和目标假设机动方式,设计基于最小二乘拟合的轨迹预测方法。通过对目标轨迹进行跟踪和预测仿真,预测100 s的位置误差均小于5 km,速度误差均小于100 m/s,结果表明基于自适应IMM的轨迹预测方法对有规律机动的目标进行轨迹预测,效果良好。     

机动目标的多项式预测模型及其跟踪算法

根据匀变速运动的多项式描述形式,利用多项式预测滤波器对目标状态建模,提出了一种全新机动目标运动的动态模型——多项式预测模型,并针对这个全新的模型给出了相应的最优滤波算法。分析表明：该模型可以精确描述任意可以由多项式描述的目标运动,而不需要已知运动的具体参数,因此相应的最优滤波算法适用于任何可以用多项式描述的机动目标状态估计问题。一个机动目标跟踪问题的计算机仿真证明了本文方法的有效性和实用性。     

Loopy belief propagation based data association for extended target tracking

The data association problem of multiple extended target tracking is very challenging because each target may generate multiple measurements. Recently, the belief propagation based multiple target tracking algorithms with high efficiency have been a research focus. Different from the belief propagation based Extended Target tracking based on Belief Propagation (ET-BP) algorithm proposed in our previous work, a new graphical model formulation of data association for multiple extended target tracking is proposed in this paper. The proposed formulation can be solved by the Loopy Belief Propagation (LBP) algorithm. Furthermore, the simplified measurement set in the ET-BP algorithm is modified to improve tracking accuracy. Finally, experiment results show that the proposed algorithm has better performance than the ET-BP and joint probabilistic data association based on the simplified measurement set algorithms in terms of accuracy and efficiency. Additionally, the convergence of the proposed algorithm is verified in the simulations.     

小样本条件下多应力加速寿命试验预测方法

鉴于导弹中的电子设备价格昂贵、可用于试验的样本量少,在开展加速试验以及寿命预测的实际工作中通常为小样本的背景。文章研究探索小样本条件下多应力加速试验寿命预测方法,分别建立通用对数线性模型、 BAS-BP神经网络模型、灰色–支持向量回归模型,结合多应力加速试验数据在各应力条件下的样本容量分别为 56组、20组、10组、5组的情况下,比较 3种模型的预测效果,分析各模型的适用场合和时机,探索小样本条件下模型的选优问题,为小样本条件下多应力加速试验寿命预测提供有益的借鉴。     

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视（ADS-B）应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波（IMMKF）算法的ADS-B 监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B 状态矢量量测数据作为IMMKF 算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明：相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF 方法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B 监视应用中具有实际应用价值与借鉴意义。