共查询到20条相似文献,搜索用时 531 毫秒
1.
寒区机场道面土基的冻胀预测一直是工程设计者不能回避的重要问题之一,其影响因素多,关系复杂。由于在以往的研究中较多的仅限于单因素影响条件下的冻胀模型的建立,并且各影响因素之间难以量化处理,存在局限性。为此,提出采用冻胀等级评定的预测模型。并运用改进的BP算法与专家系统相结合,建立了5-5-4土基冻胀预测神经网络计算模型。其优点在于可以同时描述多个因素对冻胀性能的综合影响,有助于寒区机场道面设计。该网络输入为土基的物理化学特性(颗粒粒径、矿物成分和盐分浓度)、含水量、冷端温度、附加荷载和干密度,输出为评定土基冻胀性能的四个等级。最后对计算结果进行了检验。 相似文献
2.
考虑到飞机带冰飞行的安全问题,对结冰飞机进行安全边界保护成为一种有效的解决手段。基于神经网络自适应动态逆跟踪性能好、鲁棒性强的优点,提出了以安全关键飞行参数限制值作为神经网络自适应动态逆的输入,获取可用舵面偏转角的边界保护方法。建立了飞机本体动力学模型,采用高精度的数值模拟方法获得结冰数据库。设计了神经网络自适应动态逆控制律,通过在动态逆环节引入单隐层神经网络,对不确定性逆误差进行自适应补偿,增强了控制系统的鲁棒性。以俯仰姿态保持模式为例设计了结冰飞行闭环安全边界保护系统。以结冰飞机最小平飞速度的估算值作为飞机最低飞行速度,设计自动油门控制系统,实现对飞行速度的保护。通过仿真验证了设计的控制律具有较强的鲁棒性。对结冰严重程度线性增加情形下飞机状态参数的动态响应进行了分析。仿真结果表明,所设计的结冰边界保护系统,能够实现飞机在容冰飞行过程中对安全关键参数如迎角、飞行速度的实时保护。 相似文献
3.
针对基于SOM神经网络的现代大型客机故障诊断系统的研究,在系统开发过程的实际运行中,对SOM神经网络的改进,取得了良好的效果。 相似文献
4.
带有微机数据处理系统的多功能齿轮测量仪,是在3001型光栅式齿轮测量机的基础上,加装微机、打印机、绘图仪、控制电箱以及成套软件而成,系统采用微机控制、光栅计量、多参数动态显示、自动打印绘图和评定精度等级,可对圆柱齿轮主要误差项目进行自动测量和评定。它适应于坐标类齿轮仪器的技术改造。 相似文献
5.
6.
准确的航空发动机维修等级决策,能够避免过维修和欠维修,在保证航空发动机运行安全的前提下节约维修成本。结合航空发动机状态监控信息和维修等级特点,采用深度信念网络(DBN)算法,挖掘状态监测及维修等级决策之间的深层次对应关系,实现对维修等级的分类和预测。该模型通过DBN预训练和反向传播(BP)神经网络反向微调提取出样本特征,从而提高维修等级预测准确率。以某航空公司CF6航空型发动机的状态参数和维修等级数据作为实例进行验证,结果显示:该模型能够通过构建多层网络结构挖掘出样本的更深层次信息,在分类能力、决策准确性方面优于传统神经网络,有较强的特征提取能力,对维修等级分类有较高的正确率,能得出更准确的维修等级决策结果,避免因维修等级误判而带来不必要的损失。 相似文献
7.
本文根据战术导弹武器系统的特点,对神经网络方法及传统的专家系统进行研究,介绍了其各自不同的主要特点,通过二者的有机结合,取长补短,提出了综合智能化故障诊断方法,并设计开发了基于神经网络的某型导弹智能化故障诊断系统,实践证明,基于神经网络及专家系统的综合智能故障诊断方法对战术导弹而言是一种行之有效的故障诊断方法, 相似文献
8.
为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于BP神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目及环境三部分重要因素,建立试验飞行训练过程中的安全性分级量化分析指标体系。经人因工程指标量化处理后,由于融合的数据类型相似度较低,因此采用BP神经网络构建试验飞行训练安全性分级量化分析模型,经模型训练、测试后,输出试验飞行训练的安全性分级量化等级。利用定制的接触式采集设备和非接触式面部识别系统,采集试飞员执行试飞科目训练时身体节律数据,分析训练过程中科目复杂度和难度对试飞员心理特征和生理特征的影响,从而建立量化指标和预警指标,以此优化试验飞行训练课程、提高训练品质,保障试飞安全。试验表明,该模型所得试验飞行训练过程中的安全性分级量化模型输出偏差小于2%,模型预测结果与训练过程中实际风险等级基本吻合,可有效地用于试飞训练过程中风险预警,提高试飞员训练品质,为实际试飞安全提供保障。 相似文献
9.
驾驶员诱发振荡飞行培训和评定方法研究 总被引:1,自引:0,他引:1
总结了驾驶员诱发振荡(PIO)飞行培训和PIO等级评定(PIOR)方法.根据PIO发生的机理,分析了诱发PIO的因素.在某变稳飞机中,设置可能产生PIO的关键系统参数,设计了高增益的飞行培训任务,由3名飞行员完成任务后利用PIOR定量评估飞机的PIO趋势,研究了PIO飞行培训方法和等级评定方法.结果表明,用变稳机进行飞行员PIO飞行培训的方法合理可行,用PIOR可有效评定发生PIO的趋势等级. 相似文献
10.
采用半定量等级评定方法,对定向凝固高温合金Rene125热裂倾向性进行了研究。试验结果表明,本文提出的热裂倾向性半定量等级评定方法具有较好的重复性;炉膛温度、浇注温度和壳型抽拉速率等定向凝固工艺参数对Rene125合金的热裂倾向性有明显的影响。 相似文献
11.
基于LSTM和CNN的高速柱塞泵故障诊断 总被引:1,自引:0,他引:1
针对高速轴向柱塞泵容易发生空化,且目前空化故障诊断方法存在依赖手工特征提取、鲁棒性不高的问题,提出了一种基于长短时记忆(LSTM)和一维卷积神经网络(1D-CNN)相结合的空化故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同空化等级下的壳体振动信号。利用LSTM和1D-CNN搭建的分类模型对不同进口压力情况下的振动信号进行空化等级识别。实验结果表明:提出的方法能够准确地识别出4类不同的空化等级,准确率高达99.5%,同时在不附加降噪方法的情况下,具有良好的鲁棒性,在0 dB信噪比的情况下,识别准确率高达87.3%。 相似文献
12.
13.
飞行运行风险的定量评估对于民航安全保障具有重要意义。设计并实现了一种基于BP神经网络算法的航段风险评价系统。该系统将大量飞行情景参数直接作为飞行风险评估的基础,通过飞行能力评价体系获得飞行运行风险度经验数据,并使用神经网络实现了任意飞行情景的风险度拟合运算。经过真实航班飞行数据的测试和飞行品质监控系统的验证表明,该系统可为进近着陆阶段任意时刻的飞行运行风险评估提供可靠的结果。 相似文献
14.
用结构自适应神经网络预测航空发动机性能趋势 总被引:8,自引:1,他引:8
将航空发动机作为复杂非线性系统考虑,运用神经网络超强的非线性映射能力和非线性时间序列分析的相空间重构理论,建立航空发动机性能趋势预测的神经网络模型,同时,针对神经网络的结构设计困难问题,建立了基于遗传算法的结构自适应神经网络预测模型,实现了神经网络结构的优化。最后,利用三组民航飞机发动机的性能数据进行了预测分析,验证了利用结构自适应神经网络对航空发动机性能趋势进行预测的有效性。 相似文献
15.
失配函数用于检查以高阶系统模型描述系统所导出的低阶等效系统模型的有效性。如果低阶等效系统模型反应与高阶系统模型之差大于失配函数允许的差值,则由低阶等效系统参数预测得到的飞行品质不能代表驾驶员给实际飞机的评定等级。本文研究一种解析地导出等效系统失配系统的方法,该方法用来解析地确定N类战斗机在非场域A种飞行从轴失配函数。 相似文献
16.
17.
当前中国发动机的交付模式普遍为以磨合为目的的装配试车和以交付为目的的装配试车(两装两试),而国际上民航发
动机的交付模式普遍为一次装配试车合格后即可交付(一装一试)。为转变中国现有的交付模式,开展了基于2种交付模式的风险评定方法研究。通过引入层次分析法对2种交付模式的风险进行评定,在目前采用的2维度风险矩阵评价方法基础上,引入“识别率”的概念,形成了“严酷度+概率等级+识别率”的3维度风险评价方法。构建出了一种复杂系统多维度综合风险评定方法,为衡量发动机 2种交付模式的系统风险值提供了一种定量计算途径。为现有的交付方式向“一装一试”的模式转变提供了理论依据,促进了发动机厂内实现一次装配与试车,降低了交付经济成本,进而缩短了外场发动机交付周期。 相似文献
18.
为建立一种适用于大包线、变状态的高精度、高实时性航空发动机机载自适应稳态模型,提出一种基于神经网络和推进系统矩阵相融合(NN-PSM)的机载自适应稳态模型建模方法。该方法基于小偏差线性化方法对发动机进行线性化来提取推进系统矩阵,用于表征机载模型与发动机之间的输出偏差量。基于神经网络建立发动机基线模型,用于映射飞行条件与发动机输出量之间的关系,利用神经网络的强拟合能力提高机载模型的稳态精度;设计卡尔曼滤波器实时估计发动机健康参数,提高模型的自适应能力。在大包线、变状态的飞行条件下进行仿真验证,并与传统的复合推进系统模型(CPSM)进行对比,结果表明:NN-PSM模型的平均精度在0.66%以内,而CPSM的平均精度为2.07%以内,运行时间仅为CPSM的1/10,且具有数据存储量少的特点。 相似文献
19.
提出了一种基于BP神经网络的零件分类方法。通过200个典型零件样本对神经网络进行训练和测试,证明该基于BP神经网络的零件分类成组系统可实现零件的准确分类成组。 相似文献
20.
针对飞机起落架液压系统故障诊断精度低,深层故障特征提取困难的问题,提出了一种基于双路特征融合卷积神经网络(TSFFCNN)与粒子群优化支持向量机(PSO-SVM)结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入,采用一维卷积神经网络(1DCNN)与二维卷积神经网络(2DCNN)并行多通道网络结构自适应提取深层特征信息,并在融合层将深层特征信息融合,通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果,基于AMESim搭建了典型飞机起落架液压系统仿真模型,构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明,所提故障诊断算法精度能达到99.37%,能够有效实现起落架液压系统故障诊断;与其他智能算法对比,基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性,诊断精度更高。 相似文献