数据挖掘在运载火箭智能测试中的应用

针对运载火箭复杂系统的故障检测难以建立准确的数学模型的问题,研究了基于数据驱动的数据挖掘异常检测算法,对多种数据挖掘算法在运载火箭发动机异常检测的应用进行了研究和分析,提出了基于混合概率密度统计的多策略异常检测评价算法。该算法基于非监督学习的算法挖掘火箭发动机不同参数间的正常关联模型,火箭发动机早期的异常数据会引起正常关联模型的破坏,引入混合概率密度统计的多策略异常检测评价机制,可以有效屏蔽参数测量故障对系统故障检测的影响,从而更加准确给出系统异常程度。使用发动机历史试车数据作为样本进行特征模型的训练,使用一元、多元和混合概率密度模型对存在异常的发动机试车数据进行了实时异常检测的实验验证。实验结果表明,相比传统基于阈值和规则的异常检测算法,基于概率密度统计的多策略异常检测算法不仅可给出系统的正常和异常的状态,还可计算各参数和整个系统的异常值,为运载火箭进一步的故障诊断提供更加灵活的参考。     

基于数据统计的液体火箭发动机地面试车故障检测算法

研制了一种用于液体火箭发动机地面试车的故障检测算法，既适于发动机启动瞬态过程又可用于稳态过程。算法能设置一些预先设置或在线计算的参数门限，检查参数测量值的平滑值，当连续多次检查到多个参数异常时就判定发动机异常。用正常试车数据和满足启动条件的异常试车数据进行测试，没有出现误报警和漏报警。对满足启动条件的异常试车，均在现有的红线关机系统关机之前报警。     

基于数据统计的流体火箭发动机地面试车故障检测算法

研制了一种用于液体火箭发动机地面试车的故障检测算法，既适于发动机启动瞬态过程又可用于稳态过程。算法能设置一些预先设置或在线计算的参数门限，检查参数测量值的平滑值，当连续多次检查到多个参数异常时就判定发动机异常。用下沉试车数据和满足起动条件的异常试车数据进行测试。没有出现报警和漏报警，对满足妄动条件的异常试车，均在现有的红线关机系统关朵之间报警。     

基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

一种非规则采样航空时序数据异常检测方法

航天器遥测数据的实时异常检测对于航天任务具有重要意义。以往方法大都考虑规则采样且缺失率较低的时序数据,然而航空时序数据具有维度大、噪声多、缺失率高、采样间隔不规则等特点,因此异常检测任务较为困难。针对非规则采样且具有缺失值的多维航空时序数据提出非规则采样多维时序数据异常检测（IMAD）算法。首先,采用带有可训练迟滞项的门控循环单元（GRU-D）对缺失值和非规则采样的时序数据进行建模;然后,采用变分自编码器建立随机性模型,学习正常时序数据的分布,从而对噪声数据具有鲁棒性;最后,利用基于极值理论的自适应阈值确定法确定合适阈值进行异常检测。结果显示,在两个真实航空时序数据集上,IMAD具有超出当前最新异常检测算法的性能;多个实验表明,IMAD在缺失率、参数以及数据集变化时,能够维持较好的异常检测效果,具有较强的鲁棒性。     

基于最优基站选择的超宽带和惯导融合定位方法

为提高基于超宽带的室内定位精度,设计了一种超宽带和惯性导航组融合定位方法.首先,采用基于改进马氏距离的异常值检测方法对超宽带测距过程中的异常值进行了剔除;然后,采用紧耦合滤波以超宽带测距值作为扩展Kalman滤波观测量,以惯性导航的位姿信息作为扩展Kalman滤波预测量,通过超宽带测距来不断校正惯性导航解算的数据融合定位方法.针对定位环境基站多功率消耗大且远距离基站观测数据非视距问题影响定位精度,提出了一种基于协方差矩阵迹作为度量信息的最优基站选择算法.采用传统轮询方法和最优基站选择方法对小车进行了矩形运动实验,实验结果表明:相比传统的轮询算法,采用最优基站选择方法的定位精度提高了15.3％,验证了本文方法的有效性.     

高超声速飞行器嵌入式大气数据传感系统测压点布局

<正>精确测量大气飞行数据对于现代飞行器是至关重要的,全部的大气飞行数据可以由迎角、侧滑角等数据描述,利用这些参数,其他大气数据便可以推算出来。对于高超声速飞行器,随着速度的增加,温度逐渐升高,飞行环境便越来越恶劣,传统的大气数据传感系统已经不能满足高超声速的飞行状态。嵌入式大气数据传感(Flush Air Data Sensing,FADS)系统可以适应高超声速飞行时的高热状态,它通过机头表面压强测量值,通过一定的算法,可以得     

飞行数据采集、记录与译码

飞行数据通常是指记录下来的用于描述飞机运动状态以及飞机各系统工作状态的参数的集合,被广泛应用与事故调查、事件调查、飞行品质监控以及飞机维修等领域。论文结合具体实例,详细地分析与介绍了飞行数据的采集原理、飞行参数的记录方式和数据译码过程。有利于飞行数据在应用上的进一步发展。实现了将飞行数据从二进制数到实际工程值之间的转化过程。     

重力异常特征提取方法研究

将主元分析和独立分量分析相结合应用于重力异常信号的特征提取.采用主元分析对测量数据进行去相关和降维预处理,再利用独立分量分析算法提取重力信号的特征系数.结合重力异常变化与特征系数的关系,提出了应用特征量化参数表征重力异常信号变化程度的方法.基于实测的重力异常信号进行了仿真试验,试验结果表明,本文提出的特征量化参数能有效的反映重力异常的幅值变化程度.     

基于粒子群优化的WNN飞行数据气动力建模

为了使所建立的气动力模型能准确地描述飞行器的动态特性,提出一种基于改进粒子群优化(IPSO)算法的小波神经网络(WNN)飞行数据气动力建模方法。该方法引入邻近粒子信息和变异操作,对标准PSO(SPSO)算法的不足进行改进,以提高WNN参数的全局搜索能力,克服早熟收敛,再按照所设计的飞行数据的气动力建模流程,构建了IPSO算法训练的WNN模型。试验结果表明:提出的气动力建模方法预测精度高,收敛速度快,能较好控制早熟收敛问题,用于飞行数据的气动力建模是有效的,也是可行的。     

基于数据挖掘和小波神经网络的航材消耗预测方法

运用数据挖掘技术对航材消耗的历史数据进行关联分析，筛选小对保障飞机飞行有重要作用的航材消耗数据，大大缩减了需要预测的航材数量，同时对消耗航材之间的内在影响关系进行量化。在分析人工鱼群算法原理的基础上，对算法中步长参数和视野范同参数的设置方法进行了改进。实例结果表明，运用小波神经网络预测航材消耗的方法大大降低了预测误差，说明了该方法的有效性、可行性和实用性。     

基于改进滑动时间窗口的国产民用飞机APM参数筛选研究

合适的飞行性能监测（APM）参数筛选方法可实现国产民用巡航飞机性能监控参数的高效筛选,为飞机性能分析计算提供可靠的数据基础。在无迹卡尔曼滤波（UKF）中引入 Sage-Husa 噪声估计器,构造自适应无迹卡尔曼滤波（AUKF）,利用 AUKF 对快速存取记录器（QAR）数据进行降噪;给出稳定巡航参数筛选的标准,采用改进滑动时间窗口算法对稳定巡航参数进行筛选,并通过国产 ARJ21 飞机的样本数据进行验证。结果表明：自适应无迹卡尔曼滤波算法能够提高数据的可靠性,改进滑动时间窗口算法使筛选效率提高约 50%。     

非线性分离算法及其在飞行试验中的应用

 本文根据最小方差估计和分离算法原理,提出一种新的非线性状态估计和偏差辨识的分离算法。并用此算法确定飞行状态和测试仪器的误差,同时U-D分解保证计算效率和数值稳定性。为了得到数据相容性检验的准确结果,本文采用直接离散化的飞机运动模型,以减小模型误差。通过仿真并在我国两种歼击机上实际应用,结果表明本文所给的算法对不同的初值和噪声统计特性都能得到飞行数据相容性检验的一致结果,并能用于低采样率下的数据相容性检验。     

基于整机试验数据辨识的雷诺数对涡扇发动机的性能影响

为了研究雷诺数对涡扇发动机性能的影响并提升稳态性能模型在工作包线内的计算精度,提出了一种基于整机试验数据辨识的计算分析方法。选取用于气路分析的测量参数,提升辨识算法的收敛性和计算结果的有效性;结合非线性气路分析算法辨识计算出各试验点的部件性能修正因子,统计分析雷诺数和各部件性能修正因子的变化关系,定量得到雷诺数对发动机各部件性能的影响程度;修正基线稳态性能模型,并对计算精度进行验证对比。结果表明:对比试验结果,修正后的稳态性能模型各参数计算偏差不大于2.5%。对比基线稳态性能模型各参数计算结果,计算精度平均提升2.3%,最大提升9.2%。      

基于粒子群算法的飞机燃油箱热参数反演

为获取用于定量评估可燃性的飞机燃油箱热参数，从集中参数法建立燃油箱热模型的假设出发，基于粒子群算法和飞行试验数据，对某型飞机中央油箱热参数的反演进行了探索。选取了4种不同的参数作为目标函数，对比研究了目标函数的选取对热参数反演结果的影响。研究结果显示：反演得出的燃油箱热参数模型，其输出值与试验值变化规律一致，证明了该方法的有效性；其次以整体均方差为目标函数的反演结果与试验值最为吻合，模型输出值与试验值最大偏差为2.62 K；最后对整体均方差增加惩罚项的措施能够使反演后热参数模型满足适航规章的要求。     

直升机飞行参数记录系统设计及典型故障诊断研究

飞行参数记录系统能有效提高飞行训练的安全性.根据直升机飞行安全需要,结合工程经验,对直升机加装飞行参数记录系统进行分析研究,介绍飞行参数记录系统的基本组成和原理、加装原则和相关标准以及飞行参数的校准方法;对飞行参数记录系统两个典型故障进行诊断分析,并提出解决方案.飞行参数记录系统相关设计的研究能够为工程技术人员在进行设计应用时提供一种思路和参考.     

多测速系统应答信标数据实时分类算法

为了提高目标轨迹解算的稳定性,针对多测速系统在应答模式下的测量数据分类问题,提出了一种新的实时分类算法。首先分析了现有方法的缺陷;其次设计了一种能够将应答数据、信标数据与异常数据进行分类的新算法。该算法的关键是选择适当的分类参考,采用目标理论轨迹与已经分类的历史测量数据等2种分类参考相结合的方法,以适应不同的应用情形;最后,利用2类主站配置模式下的典型实测数据对新算法进行验证,结果表明新算法能够将3类数据正确分类。在此基础上,解算出的实时轨迹平稳且连续,测量数据的利用率明显提高。因此新分类算法的性能优于现有方法,对改善其他测量系统中的实时数据分类效果也具有借鉴意义。     

基于双树复小波和形态学的卫星异常数据滤波方法

受系统结构复杂、工作环境恶劣等因素影响,卫星的工作状态会存在介于正常和故障之间的异常状态,导致其遥测数据中不仅含有噪声,还存在异常数据。采用传统滤波算法进行去噪处理时,会存在对异常数据保留不充分的问题,从而导致突变信息丢失。针对上述问题,提出一种基于双树复小波与形态学滤波的卫星遥测数据组合滤波方法,设计一种半软阈值滤波函数来提高双树复小波的滤波性能,并提出一种组合滤波算法。通过仿真实验进行验证,结果表明:本文方法可以对遥测数据中的噪声进行有效滤除并对异常数据进行保留。     

基于广义回归神经网络的飞参数据预处理

由于存在干扰,飞参系统记录的发动机参数中,经常会有不少间断点和奇异值.为了利用数据对发动机性能趋势进行预测,必须对数据进行预处理.分析了航空发动机作为一个系统,其各主要输入和输出参数之间存在的函数关系.研究了利用广义回归神经网络和参数之间的关系对数据进行预处理,结果得到了较为正常的数据,证明该方法是有效的.     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。