军机总装装配大纲质量风险等级评价模型研究

针对军机总装阶段质量风险识别与产品制造过程脱节、风险管控重点不明确等问题，结合总装以装配大纲为基础制造单元的特点，通过对过程失效模式及影响分析（PFMEA）评价体系的局限性进行优化，提出一种装配大纲质量风险等级评价模型，定义了风险等级系数RLC的计算方法，并给出风险评价要素的评价方法。应用结果表明，通过该模型识别的装配大纲质量风险等级与实际情况相一致，基于模型风险等级评价结果的质量管控使平均单机不合格数下降73.12%。所提模型的装配大纲质量风险等级评价是正确并有效的，可为实际应用提供指导。     

有效前沿在风险投资组合中的应用

在Markowitz的现代证券组合理论中,有效前沿是一个重要内容,在风险投资中有着广泛应用.将分别就有风险资产和具有无风险资产两种情况对有效前沿进行探讨,给出了这两种情况下有效前沿之间的关系并加以证明.讨论了在这两种情况下,投资者如何使用效用函数和有效前沿进行风险投资.最后进行实例分析,验证了我们所给的结论.     

民机货舱内饰设计特征的抗火焰烧穿试验方法

概括了货舱内饰的三类设计特征,进而给出关于这三类设计特征的抗火焰烧穿的试验方法,弥补了以往抗火焰烧穿试验只针对货舱内饰材料的不足,供国内民机货舱内饰设计参考。     

判断决策单元为Russell技术有效的新方法

证明了决策单元的Russell技术有效与DEA有效的等价性，给出了判断决策单元为Russell技术有效的新的更容易的方法，解决了Russell技术有效度量计算复杂的问题。并用实例说明本算法的可行性。     

EGNOS系统增强服务的原理与实现

欧洲地球同步导航重叠服务(EGNOS)系统提供的增强服务有三类,即测距功能、广域差分校正和GNSS完好性通道。系统深刻阐明了这三类增强服务的原理与实现过程,给出了相关的算法,并推导了相应的计算公式和计算过程。     

民用运输航空器安全性评估系统研究

基于国内运输航空器运行数据,研究了运输航空器安全性评估方法,给出了事件严重度分类标准,定义了三类事件风险水平,建立了SDR风险矩阵图和风险趋势指示图,阐述了运输航空器安全性评估工作程序,最后给出了运输航空器安全性评估系统技术框架。     

基于PR- ERNIE模型的航空安全风险量化分析

有效地利用实体识别技术识别出航空不安全信息中的风险要素,提升安全风险识别和评价能力,对于实现航空安全风险量化分析具有重要意义。为精准识别非结构化航空不安全信息中的风险要素,提出了一种融合先验规则和知识增强语义表示模型的实体识别模型,以大量航空不安全事件案例文本报告为分析对象,在自建标注语料上训练ERNIE模型,获取动态词向量,同时引入能够表达风险要素结构的规则进行优化。实验结果表明,模型在测试集上的精确率、召回率和F1值分别达到了92.5%、92.4%和92.4%,优于实验对比的其他模型。模型能够有效识别航空不安全信息中隐含的风险要素,为航空安全风险量化分析提供数据支持。     

飞机地面除冰运行决策模型研究

对飞机地面除冰过程进行了分析,提出了一种包含航空公司、地面服务公司、机场除冰指挥三类Agent的多Agent飞机除冰调度模型．模型中每类Agent均采用归类式Agent结构。给出三类Agent的行为规则,按照“优先级高先服务”的原则为航班分配除冰资源。运用JADE软件开发框架开发Agent智能体,并就模型的可靠性、公平性、资源效用性进行了仿真研究,仿真结果验证了该模型的有效性.     

航空燃油离心泵参数化设计方法研究综述

燃油离心泵是航空发动机控制系统的关键动力元件，结合当前航空燃油离心泵技术发展和设计需要，本文总结对比了离心泵典型参数化设计及优化设计方法。首先分析了离心泵四种参数化设计方法的技术特点及其局限，考虑到离心泵参数设计方法中存在的随机性和盲目性问题，进一步补充分析了离心泵的结构优化方法，包括基于启发式算法的全局优化方法、基于梯度的优化设计方法和基于代理模型的优化设计方法三类，并指出了三类优化设计方法亟待解决的科学和技术问题。在此基础上，通过分析国外航空发动机燃油离心泵的发展状况，指出了我国航空发动机燃油离心泵所面临的技术挑战、问题和技术发展方向，并立足于现有国内设计基础，给出了夯实我国航空燃油离心泵设计能力需开展的基础性研究工作。     

飞行控制系统故障检测方法研究

以某型飞机为研究对象，论述了一种基于模型的自修复飞行控制系统故障检测方法。首先提出了通过等价空间法产生残差序列，并对残差序列进行概率比检测，以获得一定置信度下的检测结果。同时舵面损伤故障的概率比检测采用预警检验、校验检测与隔离检测相结合的方法。最后，对所设计的故障检测方法进行了数字仿真研究。仿真结果验证了该方法具有较高的准确性和实时性，为飞行控制系统故障检测提供了一种有效的手段。     

多飞行器的分布式优化研究现状与展望

航空领域的多个飞行器协同搜救、区域监控、编队飞行等实际任务具有个体数量多、信息分散、任务指标复杂等特点,分布式优化是实现上述任务中多飞行器有效协同的重要保证,具有重要的理论意义和显著的应用价值。从优化任务的问题模型、研究框架和典型优化算法3个方面对分布式优化的研究现状进行了概述。根据不同的优化问题,从无约束的分布式凸优化、集合约束的分布式凸优化、不等式约束的分布式凸优化和分布式非凸优化这4个方面对分布式优化领域典型的研究成果进行了概述,并讨论了分布式优化研究的共性难点问题,对未来的分布式优化方向进行了展望。     

余度设计中的系统可靠性最优分配模型

将任务可靠度、基本可靠度均作为系统可靠性优化设计的边界约束,并将系统研制费用视为目标函数,建立了一新的系统可靠性最优分配模型,利用该模型设计出的系统在研制费用最少的情况下,任务可靠度与基本可靠度均达到设计要求。此外,还分别建立了串—并联和并—串联两种余度设计系统的最少研制费用模型。最后通过多个实例验证了上述模型,发现系统可靠性最优分配模型考虑了更多的因素,更有实用价值。     

An efficient aerodynamic shape optimization of blended wing body UAV using multi-fidelity models

This paper presents a novel optimization technique for an efficient multi-fidelity model building approach to reduce computational costs for handling aerodynamic shape optimization based on high-fidelity simulation models. The wing aerodynamic shape optimization problem is solved by dividing optimization into three steps—modeling 3D(high-fidelity) and 2D(lowfidelity) models, building global meta-models from prominent instead of all variables, and determining robust optimizing shape associated with tuning local meta-models. The adaptive robust design optimization aims to modify the shape optimization process. The sufficient infilling strategy—known as adaptive uniform infilling strategy—determines search space dimensions based on the last optimization results or initial point. Following this, 3D model simulations are used to tune local meta-models. Finally, the global optimization gradient-based method—Adaptive Filter Sequential Quadratic Programing(AFSQP) is utilized to search the neighborhood for a probable optimum point. The effectiveness of the proposed method is investigated by applying it, along with conventional optimization approach-based meta-models, to a Blended Wing Body(BWB) Unmanned Aerial Vehicle(UAV). The drag coefficient is defined as the objective function, which is subjected to minimum lift coefficient bounds and stability constraints. The simulation results indicate improvement in meta-model accuracy and reduction in computational time of the method introduced in this paper.     

Kriging模型及代理优化算法研究进展

代理模型方法由于能显著提高工程优化设计问题的效率,在航空航天及其他领域得到了广泛重视,并逐渐发展成为一类优化算法,本文称其为代理优化（SBO）算法。在现有的代理模型方法中,如多项式响应面、径向基函数、神经网络、支持向量回归、多变量插值/回归、多项式混沌展开等,源于地质统计学的Kriging模型具有代表性,是一种非常具有应用潜力的代理模型方法。以飞行器设计领域的优化问题为背景,介绍了Kriging代理模型及应用于优化设计的理论和算法的最新研究进展。首先,概述了Kriging模型的基本理论和算法,并讨论了影响Kriging模型鲁棒性和效率的几个关键性问题。其次,回顾了Kriging模型理论和算法研究的3个最新研究进展,包括梯度增强型Kriging、CoKriging和分层Kriging模型。而后,分析提炼了基于Kriging模型的代理优化算法的优化机制和优化框架,给出了“优化加点准则”和“子优化”的概念,并介绍了目前常用的几种优化加点准则及其相应子优化问题的求解与约束处理;同时,还介绍了最新提出的局部EI加点准则以及代理优化的终止条件。最后,介绍了代理优化在标准测试函数算例验证、飞行器气动与多学科优化设计典型算例确认方面的研究进展,并对当前存在的一些关键科学问题以及未来研究方向进行了讨论。     

多因素耦合复杂飞行情形风险定量评估方法

多不利因素耦合诱发飞行事故具有隐蔽性强、因素关联复杂及状态"不可逆"性等特点,对其进行定量建模及风险评估研究难度较大。为此建立了典型装备故障和恶劣环境两类不利因素的定量数学模型。基于飞机六自由度全量运动方程、不利因素数学模型和人在环的操纵方式,应用MATLAB/Simulink、C语言和Flightgear软件开发了用于多因素耦合飞行情形研究的虚拟试飞安全性分析系统。建立了基于改进粒子群算法的极值分布风险评估模型,通过广义极值分布参数优化自动找到最为符合的极值分布模型。提出了随机自适应进化粒子群优化算法(RAE-PSO)对拟合过程进行优化,提高了评估精度和收敛速度。建立了多因素耦合复杂飞行情形的综合评估模型,以GJB 626A-2006中的试飞风险科目为例进行风险评估与结果分析,验证了方法的可行性和有效性。     

基于自适应代理模型的气动优化方法

气动优化设计中,为了减少优化系统的计算周期,提高搜索效率,引入结构简单、计算量较小的代理模型,而运用有效的插值和选样方法(自适应选样)可以大大减少建立代理模型的时间。因此本文提出了一种基于自适应代理模型的气动优化方法。首先对自适应代理模型进行研究,建立了 Kriging 自适应代理模型和支持向量回归自适应代理模型,这两种自适应代理模型在相同样本点情况下比一般代理模型拥有更高的预测能力,然后将这其应用到翼型优化设计中,取得了良好的优化效果,从而表明这两种自适应代理模型不仅简单实用,而且明显提高了气动分析的计算效率。     

煤气管道费用的动态规划模型

本文针对铺设管道的费用问题。有效利用最优化原理，建立合适的动态规划模型。使其总费用最少。     

常见寿命分布组件初始贮存方案评估及优化

针对"长期贮存,一次使用"装备初始贮存方案评估及优化问题,分析了常见寿命分布组件的可靠度模型,建立了贮存期内组件及装备完好数量评估模型;以达标概率指标为约束条件,组件初始购置费用为优化目标,建立了组件初始贮存方案优化模型,提出了基于边际效益值的优化方法,开展了算法复杂性分析。算例分析表明,所建初始贮存方案评估模型的评估精度较高,优化后的初始贮存方案能够在满足达标概率要求的同时,使得组件购置费用最低。边际优化算法在保持计算精度的同时有效提高了计算效率。提出的模型和优化算法能够为装备保障人员制定合理的装备单元贮存方案提供决策支持。     

Surrogate role of machine learning in motor-drive optimization for more-electric aircraft applications

Motor drives form an essential part of the electric compressors, pumps, braking and actuation systems in the More-Electric Aircraft (MEA). In this paper, the application of Machine Learning (ML) in motor-drive design and optimization process is investigated. The general idea of using ML is to train surrogate models for the optimization. This training process is based on sample data collected from detailed simulation or experiment of motor drives. However, the Surrogate Role (SR) of ML may vary for different applications. This paper first introduces the principles of ML and then proposes two SRs (direct mapping approach and correction approach) of the ML in a motor-drive optimization process. Two different cases are given for the method comparison and validation of ML SRs. The first case is using the sample data from experiments to train the ML surrogate models. For the second case, the joint-simulation data is utilized for a multi-objective motor-drive optimization problem. It is found that both surrogate roles of ML can provide a good mapping model for the cases and in the second case, three feasible design schemes of ML are proposed and validated for the two SRs. Regarding the time consumption in optimizaiton, the proposed ML models can give one motor-drive design point up to 0.044 s while it takes more than 1.5 mins for the used simulation-based models.     

两种紊流模型在通流计算中的应用研究

为验证紊流模型在基于周向平均Navier-Stokes方程的通流计算中的适用性，本文给出了周向平均形式的Spalart-Allmaras紊流模型，并选择Baldwin-Lomax模型作为对比。通过两个经典简单算例以及两个典型叶轮机械算例对采用了上述两种紊流模型的通流模型进行验证与对比。两个经典简单算例结果表明，上述两种紊流模型在无叶片的通流模型中均能够准确预测附面层发展，捕获激波，预测分离流动。两个典型叶轮机械算例结果表明两种紊流模型对轴流式叶轮机械的子午流面气动布局以及总体气动性能具备一定的的预测能力。在单转子算例中，S-A模型的计算结果略优于B-L模型的计算结果；在双级高压涡轮算例中两种紊流模型对总体性能参数以及气流角的计算结果相差不大，且S-A模型计算的马赫数比B-L模型的偏小。