基于GA和ARMA模型的制导弹药技术状态预测

针对定期检测判断制导弹药技术状态影响弹药寿命和实时性较差的问题,提出了基于遗传算法(GA)优化的自回归与移动平均(ARMA)模型制导弹药技术状态预测方法。在获取到制导弹药状态特征量历史检测数据的基础上,采用遗传算法对ARMA模型的阶数进行优化,通过实例将遗传算法优化后的ARMA模型与经典ARMA模型的预测结果进行比较分析,结果表明,经过优化后的ARMA模型具有更好的预测效果。该方法提高了制导弹药技术状态确定的实时性,对降低、消除制导弹药故障危害具有实际意义。     

基于LS-SVM的军用航空发电机寿命预测研究

为解决航空发电机寿命有效预测的难题,以期实现视情维修,提升飞机的综合作战效能,提出一种基于LS-SVM（Least Squares Support Vector Machines）模型的航空发电机寿命预测方法。采用某型真实航空发电机,运用航空发电机专用寿命试验平台,对其进行加速寿命试验,获取输入转速、注油压力、负载、频率、电流、进油温度、出油温度、进口压力、出口压力等多种寿命相关参数,深入分析这些参数间的内在联系与寿命变化规律,设计LS-SVM寿命预测模型,并运用该寿命预测模型对航空发电机寿命表征参数进行预测。研究表明,所设计的LS-SVM寿命预测模型能较好实现对航空发电机的寿命预测效能,具有广阔的应用前景和较大的实际应用价值。     

基于非线性Wiener过程航空发动机性能退化预测

针对线性随机过程航空发动机剩余使用寿命预测精度不高的问题,提出一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模,进而预测航空发动机的剩余寿命。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出剩余寿命的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而对个体发动机的剩余寿命实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明：针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机循环中期剩余寿命预测的准确性,提供更加可靠的预防性维修决策。     

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择；训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。      

随机声载荷时域信号仿真模型研究

利用航空发动机环行燃烧室噪声测试数据，采用时间序列自回归分析方法得到了燃烧室噪声及动压仿真模型ARMA（17，16），并用其对噪声时间历程数据进行了最佳预测。     

基于Kriging模型的离心叶轮结构优化设计

研究了以减重为目标的航空发动机离心叶轮结构优化问题,将Kriging模型与遗传算法相结合,应用拉丁方试验设计和有限元分析生成初始样本数据,利用初始样本数据建立离心叶轮重量和最大应力等状态参数的Kriging模型,运用遗传算法对该Kriging模型在设计空间进行全局寻优,利用有限元分析方法计算近似最优设计点的状态参数,并以此更新已有的设计样本数据,不断提高Kriging模型的近似精度.计算结果表明,基于Kriging模型-遗传算法的离心叶轮结构优化设计方法不仅可以获得良好的优化结果,比直接用遗传算法寻优减少了大量计算时间,提高了设计效率,同多项式模型-遗传算法相比也有效率优势.     

基于数据的航空发动机排气温度裕度及剩余寿命计算方法

针对航空发动机重要监控参数排气温度裕度(EGTM)计算及预测困难的问题,根据航空工业标准实施指南,建立了一种基于数据的EGTM计算方法及剩余寿命预测模型。分解EGTM影响因素并基于修正后的相似理论对风扇转速及排气温度进行修正。对部分换算/修正公式参数的离散试验数据进行拟合,得到关系曲线。利用支持向量机学习发动机引气系统影响因素,通过遗传算法优化支持向量机的惩罚因子及核函数参数,获得经引气系统参数修正后的EGTM值。利用小波变换对EGTM进行降噪和特征提取。运用多项式回归拟合特征参数,确定单发/平均机队EGTM性能衰退率,计算EGTM剩余寿命。该模型实现了从数据输入到剩余寿命预测的全过程计算,EGTM计算结果与发动机厂商提供的结果对比拟合优度达0994。剩余寿命衰退曲线拟合效果与小波变换后EGTM曲线对比拟合优度达098。结果可作为维修计划制定及经济成本计算的理论支撑和参考依据。     

基于遗传算法的航空发动机机载模型支持向量机修正方法

航空发动机的实时模型与发动机的匹配精度直接影响着航空发动机故障诊断的精度.提出了基于自适应遗传算法的最小二乘支持向量回归机(AGA-LSSVR)方法对航空发动机机载实时模型进行修正,有效的提高了模型的匹配精度.分析了最小二乘支持向量机中的参数的选取对模型修正的影响,在参数的选取空间里采用自适应遗传算法搜索最优参数.最后,比较了Back propagation(BP)神经网络、支持向量回归机、AGA-LSSVR等方法在机载模型中的修正效果.结果表明:提出的AGA-LSSVR具有很好的修正精度,验证了修正模型的有效性.      

航空发动机燃烧室声载荷时域最佳控制的计算机仿真

根据航空发动机环形燃烧室测试数据 ,采用时间序列自回归分析方法建立了燃烧室噪声声压时间信号仿真模型ARMA(6 ,5 ) ,并利用Green函数对仿真误差进行了控制 ,使控制后的系统误差方差明显降低。     

航空发动机部件性能参数融合预测

为了改善目前单独采用基于模型和数据驱动的部件健康参数预测精度,提高数据驱动方法的故障诊断的泛化能力,提出一种自调整决策融合机制,对航空发动机部件性能蜕化在连续蜕化空间进行融合诊断。传感器测量值同时输入到机载自适应模型和数据驱动的诊断模块中,分别利用卡尔曼滤波算法和自适应遗传算法优化的支持向量回归机(AGA-SVR)对主要部件性能进行预测,再利用自调整决策权重的量子粒子群寻优(QPSO)进行决策级融合诊断。以某型涡扇发动机为对象进行气路部件蜕化的仿真研究表明,与单独使用基于模型和数据驱动的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度。     

基于遗传算法与神经网络微电阻点焊工艺参数优化

文摘微电阻点焊工艺参数的设置对焊点力学性能有着至关重要的作用,通过正交试验极差分析研究了工艺参数对0.05 mm厚TC1箔材焊点剪切力和剥离力的影响程度。通过赋予剪切力和剥离力相应的权值将双优化目标转化为单一的混合优化目标,结合神经网络与遗传算法,对工艺参数进行了优化,建立了基于BP神经网络的焊点力学性能预测模型。结果表明预测模型的误差小于4%,预测模型具有较高的精度和预测能力,可以准确地预测焊点的力学性能。同时通过gatool工具箱对各项工艺参数进行了优化,获得焊接参数的最优组合:焊接电流800 A、电极压力8.89 N、爬坡时间1.608 ms、焊接时间8 ms,混合优化目标为55.73 N。通过与正交试验优化结果对比,遗传算法寻优可以获得更好的综合力学性能。     

一种高效高精度的气动弹性结构优化方法

气动弹性结构优化技术主要包括约束求解和优化算法两个方面的内容。针对常用的基于低阶面元法的静气动弹性分析方法计算效率高但精度低的特点,建立了一种高效高精度的基于高阶面元法的静气动弹性分析方法。针对当前气动弹性结构优化技术使用单一优化算法导致搜索精度低、收敛速度慢等特点,将遗传算法和分形算法进行结合,发展了一种遗传/分形混合算法。针对气动弹性结构优化计算时间长、设备要求高等特点,引入了Kriging代理模型方法来加快优化速度,减少时间和设备的耗费。最后以某大展弦比客机机翼为算例,采用基于高阶面元法的静气动弹性分析方法求解约束响应样本,用Kriging代理模型方法对约束响应进行模型构建和预测,并将Kriging代理模型和遗传/分形混合优化算法进行结合,构建了一种高效高精度的静气动弹性结构优化方法。优化分析结果表明,Kriging代理模型在静气动弹性响应预测上具有很高的精度,平均误差均在5%以下,副翼效率预测的平均误差甚至低于1%;遗传/分形混合算法相比于单一的遗传算法具有更快的收敛速度和更强的全局寻优能力。     

基于改进的灰色RBF模型的初始备件预测研究

针对初始备件故障规律不稳定和历史消耗数据少的特点,将遗传算法、GM（1,1）模型和RBF神经网络有机结合．提出了改进的灰色RBF预测模型。该模型利用遗传算法对GM（1,1）模型参数进行动态寻优,并利用RBF网络对预测值进行残差修正。最后,通过采集新机部队某初始备件上半年的消耗数据,对该模型进行了实例仿真。结果表明：改进...     

基于Kriging模型的翼型气动性能优化设计

将基于Kriging模型的近似技术引入气动优化设计。通过计算两个测试函数的全局极值以及翼型几何形状的重构,比较了基于Kriging模型的优化方法与传统的梯度类优化方法、标准遗传算法的特点。结果表明基于近似模型的优化方法不仅全局性良好,而且有效节约了计算资源。用此方法进行了翼型的气动优化设计,目标函数为来流马赫数为0.7、攻角为3°时升阻比最大。设计结果表明,与参考翼型相比,优化翼型升阻比提高了81%,而翼型截面积减少不到1%,优化效果非常明显。     

燃烧室声载荷时域信号预测自回归模型—时域Monte Carlo法预测结构声疲劳

利用航空发动机燃烧室噪声测试数据,采用时间序列自回归滑动平均分析方法建立了燃烧室噪声及动压预测模型ARMA(17,16),并用其对噪声时间历程进行了最佳预测.     

基于ARMA模型的空域容量评估方法研究

空域容量是空域管制服务保障能力的重要指标之一,其准确预测和评估对安排航班时刻、实施管制服务具有参考价值。根据管制员工作负荷的自相关增长规律,首次提出了基于自回归移动平均( Autoregressive moving average,ARMA)模型的空域容量评估方法。以国内西部某机场为例进行空域容量评估研究,通过仿真验证,ARMA模型很好地评估了空域容量,证明了方法的有效性。     

基于多代理模型的航空发动机建模及优化方法

为了进一步提高航空发动机建模及优化方法的性能,本文提出了一种基于多代理模型技术的建模及优化方法。本文首先提出了一种新的代理模型全局误差估计方法,以此建立了新的多代理模型建模方法。然后提出了一种组合模型预测偏差估计方法,以此发展了一种基于多代理模型技术的优化方法。6个不同维度及不同训练集大小的解析测试算例的结果表明,本文所发展的建模方法相较于现有方法精度更高,本文所发展的优化方法相较于经典代理模型优化方法算法收敛性更强。同时变循环发动机稳态性能建模及加速燃油控制规律优化实例表明,本文所发展的方法在处理实际工程问题时,依旧可以表现出良好的算法性能。     

基于一维模型的跨声速轴流压气机特性预测研究

为发展一套对于现如今多级跨声速轴流压气机特性预测较为精准、快捷的计算程序,选取了合适的压气机参考攻角模型,建立了适用于双圆弧大弯角叶型的设计点/非设计点落后角模型。采用某套大弯角平面叶栅在多个工况下的实验数据对新建立的落后角模型进行校验,并将攻角、落后角模型嵌入到HARIKA算法中,实现对HARIKA算法原模型的替换,用新建立的HARIKA算法和三维数值计算软件NUMECA对某型两级跨声速轴流压气机在设计/非设计转速下进行特性计算。结果表明：本文建立的落后角模型对于叶栅出口气流落后角预测值与实验值较好地吻合,平均误差为0.42o,预测误差较小。新的HARIKA算法对于压气机特性的预测结果相比于三维数值计算结果更贴近于实验值,其中压比最大预测误差2.54%,效率最大预测误差3.68%,总体预测误差较小,证明本文建立的非设计点落后角模型具有一定的准确性与适用性,改进后的HARIKA算法在多级跨声速轴流压气机特性预测方面具有一定的工程实用性。