翼尖装置优化设计研究

使用面元法气动分析软件VSAERO对机翼与翼梢小翼组合体模型进行数值模拟,并采用Steve Smith提出的诱导阻力优化方法对翼梢小翼的定位进行优化设计。结果表明,能够有效地预测出翼梢小翼的最优定位,在翼梢小翼优化设计中具有很好的适用性。     

基于ABC-RBF神经网络的飞机燃油流量监测与故障诊断

为了检测飞机发动机的性能及故障,利用神经网络建立了燃油流量的预测模型,将人工蜂群（ABC）算法结合预测需求 在3维进行拓展,分别优化基于径向基函数（RBF）的神经网络泛化值和中心值,与经典RBF神经网络、K均值聚类算法等相比,3维拓展后的ABC算法对RBF神经网络进行的“反馈式更新”拥有更好的预测效果,其计算平均差值及预测误差更小,所需时间更短。随机选取短航程、中航程、长航程航班数据分别进行验证,结果表明：选择油门杆角度、飞行高度、马赫数、大气总温、发动机转速等参数能够反映发动机运行工况,预测效果理想;采用ABC算法对RBF神经网络进行优化后模型的更新能力较强,能够获得更高的预测精度,降低计算平均差值;通过航班故障数据验证了利用神经网络进行故障诊断的方法具有较大的实际应用价值。     

基于神经网络的故障率预测方法

 为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明：这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。     

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。     

基于相空间重构和神经网络的压气机机匣静压预测

建立了基于相空间重构和径向基神经网络的压气机机匣静压的预测模型。对试验数据进行相空间重构,分析其混沌特性,根据重构相空间的最小嵌入维数确定网络输入参数的个数,采用K均值聚类的方法优化网络的拓扑结构,根据时间序列的最大李亚普诺夫指数确定预测模型的最大有效预测步数,利用径向基神经网络的强大非线性映射能力,实现对时间序列的非线性预测,试验结果证明了该方法的有效性。该方法对压气机趋势监控具有一定的参考价值。      

改进的RBF神经网络非线性预测模型在语音编码中的应用

用一种改进的径向基函数(RBF)神经网络建立非线性预测模型来对语音信号进行处理,在提高预测精度的同时不影响传输码率。这种改进的RBF神经网络具有计算量小,学习速度快,不易陷入局部极小等优点。将此模型应用在ADPCM语音编码系统中进行验证,其恢复的语音质量优于CCITT建议G.721中的ADPCM编码,表明该非线性预测模型具有较高的预测精度,且在语音编码系统中有着很大的实用性。     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法.该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型.航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测.     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重?问?以交叉验证误差为评价准则,利用粒子群优化（PSO）进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度（EGT）预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。     

基于任意空间属性FFD技术的融合式翼稍小翼稳健型气动优化设计

 以非均匀有理B样条基函数为空间控制体属性,建立了任意空间形状自由变形(FFD)技术参数化方法。所建立的气动外形参数化系统通过FFD控制体的分布以及控制顶点的合理选取,能够对任意复杂外形进行参数化设计。首先采用FFD控制体对某型客机翼稍小翼进行空间属性构建;然后结合基于Delaunay图映射技术建立了结构对接网格变形模式,采用分群粒子群算法以及误差反向传播训练算法(BP)神经网络进行稳健型气动优化系统的构建;最后对某型客机融合式翼稍小翼的后掠角、倾斜角和高度等参数进行稳健型气动优化设计,分析对比了优化前后翼梢小翼表面压力云图、截面压力分布及载荷分布。优化设计结果表明:设计后的翼稍小翼的升阻比与阻力发散特性明显提高。     

用于变体翼梢小翼的伸缩栅格研究

翼梢小翼能抑制翼尖涡流形成、降低机翼的诱导阻力,翼梢小翼的高度是对减阻效果影响较大的参数之一.传统翼梢小翼仅针对巡航状态设计,而在起降、爬升等非设计状态减阻效果不佳.变体翼梢小翼能根据飞行状态主动改变几何外形和尺寸,实时优化减阻效果.为了实现变形,设计了一种用于变体翼梢小翼的伸缩栅格,通过步进电机驱动,可使翼梢小翼的高...     

动态模糊RBF神经网络焊接接头力学性能预测建模

建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明：模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

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。     

基于成本收益理论的A型飞机改装翼梢小翼经济性分析

改装翼梢小翼可以有效降低诱导阻力,减少飞机燃油消耗和尾气排放,提高飞机经济性的同时保护环境;然而翼梢小翼通常价格昂贵,在进行翼梢小翼改装项目时,需要对翼梢小翼进行经济性评估。以 A 型飞机改装翼梢小翼为例,运用成本收益理论,建立 A 型飞机改装翼梢小翼经济性评估模型,分析平均航段距离、飞机平均日利用率、付款方式、贴现率等因素对翼梢小翼投资回收期的影响规律。结合实例评估分析某航空公司 A型飞机改装翼梢小翼的经济性,为航空公司改装翼梢小翼预先的投资回收期计算分析提供参考依据。     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

某水陆两栖飞机机翼和翼梢小翼一体化设计

在前期翼梢小翼外形参数优化工作的基础上,进一步研究和探讨了多级响应面法在机翼和翼梢小翼一体化设计中的应用。采用多级响应面法,数值模拟求解k-湍流模型的N-S方程,同时结合统计学分析方法,提高了计算效率和准确性。以最大升阻比为目标函数,约束升力系数和翼根弯矩系数。共选取了14个外形参数,进行了126次数值模拟试验。优化得到的最大升阻比为21.619。在优化得到的外形参数条件下,直接进行数值模拟试验得到的最大升阻比为21.640,两者相对误差为0.093%。与仅优化翼梢小翼的结果相比,机翼和翼梢小翼一体化设计得到的最大升阻比提高了4.64%,总阻力减少了6.25%,整机的气动性能得到进一步的提升。同时,翼根弯矩系数减少了4.55%,改善了对结构强度的设计限制。     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

基于多级响应面法的翼梢小翼气动优化设计

 为了提高数值计算效率和准确性,提出了基于多级响应面法的确定翼梢小翼气动外形参数的一种优化方法。建立某水陆两用飞机带融合式翼梢小翼的机翼参数化模型后,先用Plackett-Burman试验设计筛选设计参数,并根据设计参数对目标函数的影响将其划分为3个等级：显著因素、次显著因素和不显著因素。为了逼近存在最大响应值的区域,用最速上升法确定95%概率水平上显著因素的设计中心点。最后用多级响应面法确定各级设计参数的最优设计点。该方法以采用计算流体力学（CFD）的计算结果为基础,选择了8个设计变量,共进行了68次试验。优化设计得到的最大升阻比为20.680 56,数值计算直接算得的最大升阻比为20.680 31,相对误差0.001%,证实了优化模型的有效性。加装小翼后,最大升阻比增加了5.62%,总阻力减少了4.13%,翼根弯矩增加了2.88%。     

支持向量机时间序列预测模型的参数影响分析与自适应优化

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善.本文运用支持向量机建立时间序列预测模型,研究影响模型预测精度的相关参数,在分析参数对时间序列预测精度的影响基础上,提出用遗传算法建立支持向量机预测模型的参数自适应优化算法.最后,用太阳黑子数据和航空发动机油样光谱数据进行了预测分析.算例表明了本文算法的正确性.     

基于支持向量机回归和RBF神经网络的PID整定

针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定。