某机翼的安全预测载荷模型建立

基于试飞阶段全V-N包线的实测飞行载荷，将改进遗传算法、线性回归与BP神经网络融合，给出了一种适用于全寿命周期的自适应安全预测载荷模型建立方法。将该方法应用于某飞机机翼的安全预测载荷模型建立，并对所建立的载荷模型进行了全V-N包线的验证。分析了样本空间与载荷模型精度的关系。结果表明：建立的弯矩预测载荷全包线最大误差为10.6%、平均误差为1.0%，剪力的最大误差为9.1%、平均误差为0.4%，比优化线性和分段线性的误差小，比神经网络的收敛性好。随着建模数据从全样本、1/2、1/3、…、1/10样本的变化，弯矩和剪力方程的全V-N包线的最大误差整体呈增大趋势，弯矩最大误差变化范围为10.6%~19.6%，最大剪力误差变化范围为9.1%~27.9%。     

基于数据特征的试飞数据提取方法研究

为了提高试飞数据处理效率,设计了一种基于数据特征的试飞数据提取方法。该方法是将试飞科目的各需统计数据分解为提取参数和提取逻辑,使得各科目数据提取过程结构化,便于由计算机处理。通过该方法对常见的三类试飞科目数据进行了提取,得出详细数据提取思路和样例,本方法为在各试飞科目中的数据提取应用提供了借鉴。     

基于深度学习的飞行载荷测试与反演方法研究

飞行载荷测试技术对飞机的载荷设计、强度试飞以及寿命监控等有重要的意义。为了实现复杂翼结 构气动载荷的实时在线分布测试,提出基于精细化有限元仿真数据驱动的载荷反演方法;使用深度学习方法建 立神经网络代理模型,通过有限元方法构建典型载荷下的结构响应数据集,对模型进行训练;将基于深度学习 方法的翼面载荷反演结果与有限元计算结果进行对比验证。结果表明:总载荷的平均误差约为0.2%,压心位 置误差约为1%,该方法可以使用少量的应变测点数据对整个翼面结构的载荷分布实时反演与重构。     

基于BP神经网络的试飞训练安全性量化模型

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。     

直升机不可逾越速度下降转弯试飞研究

从试飞安全的角度出发,对直升机不可逾越速度下降转弯试飞动作进行研究。首先,理论分析了直升机不可逾越速度下降转弯试飞过程中可能存在的风险点;其次,针对可能存在的风险点,以某型直升机试飞为例,在该机上完成相关飞行状态参数、振动参数,以及载荷参数传感器的加装和校准工作;同时在该科目试飞过程中,对直升机上关键的飞行状态参数、关键振动参数和关键载荷参数进行实时监控,保证了该型直升机不可逾越速度下降转弯试飞的安全,为后续直升机试飞安全进行技术积累。     

民用飞机飞行模拟机数据包试飞任务优化结合方法研究

飞行模拟机数据包试飞用于获取飞行模拟机研制及鉴定所需的试飞数据,涉及多项试飞科目。为提高试飞效率、降低试飞成本,针对飞行模拟机数据包试飞与型号试飞的优化结合方法进行了研究。通过分析飞行模拟机研制进度要求、型号试飞规划、型号构型到位计划,以及飞行模拟机数据包试飞和型号试飞各试飞科目的试飞要求等要素,分别在试飞科目分析阶段和试验点分析阶段提出了不同的优化结合原则,包括试飞方法相似原则、科目类别相似原则、前置试验满足原则及构型要求兼顾原则。并给出了直接结合、试验点连续结合、形态变换结合及架次结合四种优化结合方法,以及优化结合方法所适用的飞行模拟机数据包试飞阶段。该优化结合方法已在实际型号飞行模拟机数据包试飞任务规划中得到应用,起到了减少试飞任务量的作用。     

直升机旋翼转速包线拓展试飞研究

根据在国外试飞的经历,介绍并分析了单旋翼带尾桨直升机旋翼转速包线拓展试飞有关内容。首先根据该试飞科目要求来源,结合相关适航规范确定试验点;其次介绍了科目的试飞基本方法,并分析了无动力时初始试验点的选择和旋翼转速的控制;最终进行了空中演示试验并对试验结果进行了分析,所得结论为该科目的试飞提供了参考。     

民用飞机试飞科目领域本体构建研究

飞行试验周期长、风险高、难度大,是一项复杂的系统工程。要高效完成试飞工程,需对试飞过程进行概念表示和结构化描述,建立工作流模型,实现试飞信息化和试飞协同。本文将本体理论引入试飞领域,提出以试飞科目为概念表示基本单元的试飞领域本体构建思路;针对民用飞机试飞特点,结合骨架法和七步法,通过文献查阅、专家调研和本体重用等方式,确定出民用飞机试飞科目领域重要概念及其关系,并采用Protégé构建出民用飞机试飞科目领域本体。     

贝叶斯正则化BP网络在机翼载荷分析中的应用

采用贝叶斯正则化与BP网络相结合的方法,构造了一个分析飞机机翼载荷的三层BP网络。贝叶斯正则化方法提高了BP神经网络的泛化能力,且能考虑非特征化的非线性影响。使用某型飞机对称机动和滚转机动的试飞实测数据作为载荷激励来训练神经网络,并用这个训练完的网络预测了该飞机机翼的飞行载荷。最后将神经网络预测结果与实测结果进行了比较,结果表明该方法能够准确地实现飞机机翼载荷预测,对新机研制和飞行试验有较高的参考价值。     

民机飞行载荷的试飞验证

飞机飞行载荷的试飞验证是一种验证设计载荷可靠性的直接方法,在民用飞机飞机的适航验证中通常作为必要的符合性方法（Meansof Compliance,简称MOC,飞行试验为MOC6）用于验证飞机设计对规章的符合性。在详细描述了进行飞行载荷试飞验证的规章依据、飞行载荷试飞验证的过程和方法的同时,给出了国外飞机进行载荷试飞验证的情况和验证的实例。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

飞机非线性飞行载荷计算方法研究

 以贯彻《军用飞机强度和刚度规范》为目标,提出了一整套使用风洞实验非线性气动力数据进行飞机飞行载荷计算的方法,成功地研制了带有载荷数据库的计算分析软件。该软件已成功地运用于 F××飞机的飞行载荷计算。     

飞机操纵系统特性对机动载荷的影响

对于飞机操纵系统特性对操纵速率和操纵面运动的作用,给出了一些地面试验、飞行试验数据和计算结果。研究了军用飞机飞行载荷规范（ＧＪＢ６７．２－８５）急剧俯仰机动要求的应用。论述了飞机操纵系统特性对机动载荷的重要影响。     

基于自联想神经网络的发动机控制系统传感器故障诊断与重构

研究自联想神经网络及其在发动机控制系统传感器故障诊断及重构中的应用。自联想神经网络关键在于特征提取和噪声滤波。综合自联想网络的最优估计与故障诊断 ,自动区分估计误差和传感器故障。仿真结果表明这种方法不需要模型 ,能诊断传感器硬、软故障 ,当发动机性能蜕化时也能提供很好的解析余度。     

直升机飞行载荷应用探讨

直升机载荷在结构设计和验证中起着关键性的作用。90年代以来,直升机的飞行载荷测量技术得到了飞速发展,使全面获得各型号的飞行载荷成为了可能。基于飞行载荷实测数据,从飞行载荷与旋翼构型的关系、影响飞行载荷的因素、状态载荷的分布规律,以及飞行载荷与故障的相关性等几方面对如何拓展飞行载荷的应用范围进行了初步探讨,为充分发挥飞行载荷历史数据在新机研制的设计、试验和试飞验证中的作用提供思路。     

超级单体雷暴下的改航模型研究

运用形态学的方法,从雷暴图中解析出飞行限制区,并以各个顶点的移动来描述雷暴天气的变化,从而建立危险天气模型。考虑到改航的可行性和便捷性,以最短航段距离和最大转弯角度为限制条件,在航线的两侧设置改航点,建立改航空间。在保证安全间隔的情况下,选择最短的改航路径,并按照航班优先等级确定各个航空器的改航顺序。仿真结果表明,所建模型可以在航路网受超级单体雷暴影响的情况下,为多个航空器规划出改航路径。     

A methodology for multi-objective design assessment and flight control synthesis tuning

Flight control law design is a multi-variable control problem where various strict requirements from multiple disciplines have to be satisfied. This paper describes quality function deployment and its use in multi-objective control synthesis tuning and design assessment, with application to flight control design. The main feature of this methodology is that the various kinds of design objectives can be taken into account in their most natural form and design alternatives can be assessed most visibly with respect to given requirements. Multi-objective synthesis tuning by min-max parameter optimisation allows interactive compromising in the set of what can be best-possibly achieved with a chosen control law structure.     

基于优化算法的倾转旋翼准定常气动模型

取消了传统直升机旋翼准定常气动模型中对飞行工况和桨叶形状的诸多假设和限制,建立了适合倾转旋翼特殊桨叶形状、桨毂构造以及飞行工况的准定常气动模型.桨叶气动载荷计算基于叶素理论进行数值积分,旋翼挥舞系数通过序列二次规划算法(SQP)进行数值优化求解,诱导速度分布采用Pitt-Peters动态入流模型的稳态形式.利用该方法计算了XV-15倾转旋翼机的旋翼在不同工况下的气动性能以及挥舞系数.计算结果与风洞实验数据吻合良好,误差在8%以内且计算效率高,单一工况求解耗时在5min以内,该方法可用于倾转旋翼机总体设计阶段的性能分析或建立其飞行动力学模型.      

Real-time evaluation method of flight mission load based on sensitivity analysis of physiological factors

As the complexity of flight missions continues to increase, sending a timely warning or providing assistance to pilots helps to reduce the probability of operational errors and flight accidents. Monitoring pilots’ physiological data, real-time evaluation of mission load is a feasible technical way to achieve this. In this paper, a set of flight tasks including aircraft control, humancomputer interaction and mental arithmetic tests are designed to simulate five mission loads at different flight d...