基于渐近均匀化的梯度加筋板结构优化设计

梯度加筋板结构以其优异性能广泛应用于航空航天、汽车和交通等领域。针对梯度板的渐变结构导致均匀化及两尺度优化设计计算量过大及效率过低的问题,本文采用机器学习方法搭建以微结构变形参数为输入、等效刚度系数为输出的人工神经网络,实现等效刚度的高效预测。在优化过程中,本文引入表征单胞变形的单元设计变量,实现梯度板局部变形的显式控制,并引入映射函数节点设计变量,保证优化过程中单胞的局部变形与映射函数一致,方便两尺度优化结果解耦。数值算例验证了本文方法的有效性和正确性。     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

考虑脆弱性的航空发动机剩余寿命预测

比例危险模型采用协变量的方式综合多个参数实现对系统的剩余寿命预测,已在航空发动机中得到了应用。然而由于传统比例危险模型是以假设多个研究样本独立同分布,即基本失效率相同为基础的,但对于航空发动机而言,由于运行环境和使用的不同,基本失效率存在差异。研究表明,忽略样本之间的差异会导致估计结果存在严重偏差。为此,本研究将引入用于表达样本之间非独立性的脆弱性概念,针对航空发动机,建立更具普遍性的脆弱性比例危险模型,首次应用于航空发动机的剩余寿命预测。通过实例表明,基于脆弱性比例危险模型得到的预测结果平均误差为4.6%,而基于传统比例危险模型的预测结果平均误差为6.9%,验证了脆弱性比例危险模型在航空发动机剩余寿命预测中的有效性。     

用户自主完好性监测新算法

基于测量域提出了新的导航系统完好性度量算法。充分考虑所需导航性能参数和不确定的噪声的因素,运用概率优化方法进行故障监测。选择适当的性能参数,与漏检率具有一一映射关系,估算故障概率,并对此进行了讨论。在该算法中,利用残差灵敏度矩阵的各个特点提高识别有误差观测数据的效率。该算法可用于完好性监测的性能要求规定,计算高效。非精密进近的仿真结果证明了该算法的有效性。     

航空发动机主轴承使用状态寿命预测模型(英文)

航空发动机主轴承寿命的实际可靠预测对于发动机的安全运行至关重要。使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述航空发动机主轴承的使用寿命,并提出了一种基于支持向量机和模糊逻辑推理的主轴承状态寿命分析模型。首先,讨论了理论计算模型,采用轴承疲劳累积损伤模型,利用修正的Lundberg-Palmgren模型,结合飞参记录数据计算主轴承装机以来的累积寿命消耗,确定状态寿命的理论值。然后,详细阐述了状态寿命评估模型,该方法通过选取轴承振动的时域、频域统计量作为特征矢量,利用支持向量机作为辨识算法进行滚动轴承状态寿命的智能评估。最后,基于模糊逻辑推理融合主轴承状态寿命的理论计算模型和状态寿命评估模型得到主轴承状态寿命模型。采用滚动轴承的全寿命试验验证模型的有效性和可行性。     

一种基于故障统计数据的发动机风险预测

给出了发动机故障危险等级划分 、危险系数确定、风险因子与飞行风险的计算方法,建立了基于蒙特卡罗仿真的发动机多故 障模式风险评估流程,预测发动机故障发生情况,评估发动机使用阶段的故障风险。在已有 航空发动机历史故障数据的基础上,对多种故障模式进行了风险预测,制定了两种可降低风 险的方案,分析了维修周期对风险因子的影响,给出了合理的降低风险方案。     

基于NRS-SVM模型的航空弹药消耗预测研究

结合航空弹药训练消耗的特点,研究邻域粗糙集(Neighborhood rough sets,NRS)与支持向量机(Support vector machines,SVM)融合的航空弹药训练消耗预测问题。通过邻域粗糙集将5个初始影响因素约简为3个核心影响因素,并以此训练集对支持向量机进行回归优化。通过参数寻优得到最优的惩罚参数和核参数,进而构建NRS-SVM组合预测模型来预测航空弹药消耗。实证研究表明,该模型预测结果与实际数据吻合度较高,且与其他预测模型相比具有更好的预测性能。     

基于状态监测数据的航空发动机剩余寿命在线预测

针对现有基于状态监测数据的航空发动机剩余寿命预测研究未能综合考虑隐含退化建模和同步更新漂移/扩散系数的问题,提出一种基于状态监测数据的航空发动机剩余寿命在线预测方法。首先,基于非线性Wiener过程构建带比例关系的航空发动机隐含退化模型;其次,基于多台同类发动机的历史状态监测数据,对退化模型参数进行离线估计;然后,基于目标发动机的实时状态检测数据,利用贝叶斯原理同步更新退化模型漂移/扩散系数;最后,推导出航空发动机的剩余寿命概率密度函数。结合实例分析,验证了本文所提方法较传统方法具有更高的预测准确性与精度,具备潜在工程应用前景。     

基于模糊聚类的航空发动机故障预测研究

为了保证飞行安全和降低航空维修成本,提高航空发动机故障预测的准确性,利用数据挖掘技术,提出了一种基于模糊聚类的航空发动机故障预测的数据挖掘模型。通过对航空发动机维修数据的分析,构建了发动机数据的采集框架以及维修数据挖掘模型,利用模糊聚类理论对某型号航空发动机的维修数据进行聚类,依据不同的阈值获得样本的不同分类情况进行故障预测。最后通过算例仿真验证了模糊聚类可以为航空发动机故障预测提供决策依据。     

小型活塞式无人机发动机测试系统

活塞发动机是无人机的动力装置,发动机性能参数的地面测试对无人机设计有着重要意义.本文基于活塞发动机的工作原理、电测量原理和单片机原理,采用模块化设计思想,利用传感器和单片机等设备,成功设计开发了小型活塞式无人机发动机的参数测量系统.该系统可以实现小型活塞发动机的转速、推力和扭矩三个参数的测试.实践证明,系统性能稳定可靠,操作简便,可扩展性强,很好地满足了小型活塞式无人机发动机驱动系统性能测试要求.     

稀疏驱动的航空发动机主轴承智能监测研究（英文）

微弱特征提取是航空发动机健康监测与智能诊断的关键技术之一。本文针对航空发动机主轴承微弱故障智能监测难题,基于信号先验提出增强稀疏驱动的智能监测方法。通过分析经典凸稀疏诊断模型难以兼顾信号降噪与特征重构性能的缺陷,构建基于莫罗包络理论的非凸正则凸优化增强稀疏模型,以实现微弱特征提取;进而提出稀疏驱动的深度卷积变分自编码网络智能监测方法,通过对健康状态稀疏降噪样本的训练实现对故障异常状态的智能识别。通过航空发动机主轴承疲劳寿命试验的工程案例对提出方法进行性能验证,结果表明:增强稀疏驱动的智能监测方法具有良好的异常状态智能识别能力,能够有效支撑航空发动主轴承微弱故障的智能监测与诊断。     

神经网络BP算法在滑油系统故障诊断中的应用

通过介绍神经网络反向传播算法(BP)的原理,研究BP算法在航空发动机滑油系统故障诊断方面的应用。BP算法因其高度的非线性、模拟的并行性、高度容错性、系统健壮性、自联想、自学习和自适应等许多特点,在航空发动机滑油系统调试和系统的监测及诊断中发挥较大的作用。     

基于灰色预测的自适应解耦控制

传统的预测控制算法虽然有着良好的性能,但是需要求解复杂的丢番图方程.因而在实际应用中,算法的计算量很大,难以满足实时性要求.文中结合灰色理论,利用GM(1,2)模型辨识多输入多输出系统的参数,提出了一种解耦灰色预测控制算法.该算法可以采用较少的数据进行建模,需要辨识的参数也较少,并且元需求解丢番图方程,所以减少了计算量.为了消除系统各通道之间的输入输出耦合,在性能指标中引入解耦因子,给出了详细的解耦推导过程.最后,对解耦灰色预测控制算法进行了设计.仿真结果表明:本文算法能够有效地消除系统耦合,进而提高多输入多输出系统的闭环跟踪性能.     

基于Copula的民航发动机性能参数阶段可靠性评估

民用航空发动机的性能参数状态呈现多阶段变化特性,目前性能参数状态的评估方法不能有效利用状态监控大数据准确识别其对民航发动机性能的影响,据此提出一种新的考虑民航发动机性能参数状态动态演变阶段相关性的可靠性评估模型。模型根据变点分阶段的特性利用动态Wiener过程对民航发动机性能参数状态进行表征,利用Copula函数建立阶段性动态Wiener过程的联合概率分布函数模型,同时结合民航发动机性能参数状态演变的首达阈值的数学性质,利用蒙特卡洛仿真抽样法进行可靠性评估。利用航空公司实际的状态监测数据验证所提模型的优越性,结果表明,相较于不考虑演变阶段间相关性的模型,所提模型对评估民航发动机性能参数的状态可靠性的平均误差降低了约12.9%。     

基于ANSYS的飞机发动机压气机叶片模态分析

飞机发动机压气机叶片因振动而导致的疲劳裂纹故障是航空发动机主要故障之一。为了排除叶片的疲劳断裂故障,本文对压气机叶片进行模态分析,获得其模态参数,进而研究发动机的振动特性并对叶片的振动特性进行控制。这可以为飞机发动机压气机叶片的性能评估、结构裂纹检测、疲劳寿命、强度计算、故障诊断等提供依据。     

涡轴发动机整机S2参数化流道造型及数值仿真

建立了一种涡轴发动机整机S2参数化流道造型方法,采用某S2数值仿真软件完成了某涡轴发动机的整机计算.计算表明S2参数化流道造型方法简单、有效,仿真软件对涡轴发动机进行整机稳态计算的精度基本满足计算要求,为涡轴发动机整机多学科设计优化奠定了基础.     

固体火箭发动机绝热层脱粘的红外热像检测规律

闪光灯激励的红外热像检测法是一种非接触式的光学无损检测技术,有望应用于固体火箭发动机绝热层脱粘的在线检测。为了推进该技术在固体火箭发动机绝热层脱粘检测中的应用,用数值模拟和实验方法研究了固体火箭发动机绝热层脱粘脉冲热像检测的规律,得到了决策参数与结构参数之间的定量关系;提出了检测极限的确定准则,并计算了脱粘大小和深度(绝热层厚度)的检测极限;提出了脱粘尺寸的测量方法及误差修正公式。所得的方程、数据和结论为固体火箭发动机绝热层脱粘的红外无损检测提供了科学依据和操作准则。     

基于区分矩阵的多粒度属性约简

多粒度是粒计算领域的重要研究方向之一,它在两个或多个不同的粒度下进行问题求解,已经成为解决复杂问题的一种新的范式。属性约简作为粗糙集理论的核心内容之一,已被成功地应用于粒计算、数据挖掘等领域。将多粒度思想应用于属性约简将是一个有意义的研究方向。为此,本文运用粒计算理论中的粒化思想进行属性粒化,构造多个属性粒;然后基于属性粒上的区分矩阵计算属性粒的重要度和属性粒中属性重要度;最后利用这两种重要度设计了一种多粒度属性约简算法。通过在不同的粒中挑选属性,该算法得到的约简结果更具有代表性和差异性。本文利用6个数据集对提出的多粒度属性约简算法的性能进行测试,实验结果表明了提出算法的有效性。     

基于小波神经网络的航空发动机建模研究

提出将多个多输入单输出小波神经网络(WNN)组合构造多输入多输出(MIMO)的WNN来逼近MIMO非线性动态系统的快速而简单的实现方法，并采用高效率的初始化方法缩短了训练时间。采用某型航空发动机在飞行包线内均匀分布的工作点参数来训练，建立了全包线适用的动态小波神经网络航空发动机模型，用交叉验证的方法检验表明在全包线内有较高的精度及泛化能力。与反传算法神经网络(BPNN)、径向基函数神经网络(RBFNN)建立的动态模型在精度及泛化能力等方面做比较，结果表明WNN建立的模型训练精度高而且泛化能力强。     

军用涡扇发动机转子结构与力学特性研究

为定量评估结构力学特征参数,进而达到为高推重比涡扇发动机结构设计提供理论指导的目的,主要基于结构效率的定量评估方法,对航空发动机转子系统进行力学特性分析.首先对典型的高推重比涡扇发动机结构特征加以分析,然后总结高推重比涡扇发动机转子结构的惯性特征(质量、转动惯量、刚度等),最后对抗变形能力进行评估计算,以期实现转子结构与力学特征的一体化设计.通过对高推重比涡扇发动机转子系统结构与力学特征的分析研究,可有效丰富已有航空发动机评估和设计参数,为先进航空发动机的转子结构设计布局提供参考和数据支持.