基于截断p-shrinkage范数的航空发动机数据重构

针对航空发动机传感器的数据缺失问题,提出基于张量奇异值阈值(TSVT)的张量重构模型LRTC-PTNN,对航空发动机的传感器数据进行重构。LRTC-PTNN模型运用截断pshrinkage范数的方式代替原始张量迹范数作为张量秩的凸包络,并根据TSVT的特性,计算了传感器之间的相关性,选取传感器截面作为重构精度最佳的数据输入方向,使用交替乘子法实现LRTCPTNN算法。选取NASA提供的PHM2008数据集进行实验,对数据集进行标准化,并在重构后进行恢复,将多个时间序列个数相近的发动机传感器数据构建为高维张量的形式,设置2种传感器的数据缺失场景进行实验,结果表明：重构后数据的均方根误差和平均绝对百分比误差范围分别为2.10～13.13和0.32～1.49,LRTC-PTNN模型优于现有的基线模型,且在极端情况下有较强的鲁棒性。     

基于回归模型的液体火箭发动机试验数据的验证与重构

由于传感器设计、制造水平和工作环境等原因,传感器工作异常、出现故障或失效现象时有发生,影响了试验的完成和试验数据的使用。在研究液体火箭发动机地面试验各测点参数相关性的基础上,建立了传感器验证网络,利用测点参数间的线性回归模型对传感器数据进行验证和重构。经过实例验证表明,利用线性回归模型建立传感器验证网络,验证与重构发动机试验数据是可行的、有效的。     

航空发动机传感器与执行机构信息重构算法

为实现航空发动机传感器与执行结构在故障情形下的故障幅值估计及信息重构，缓解故障对发动机性能的影响，在已有故障检测和故障隔离算法的基础上，提出一种基于修正的广义似然比（GLR）方法的信息重构算法。针对某型民用涡扇发动机的传感器与执行机构发生恒偏差与漂移故障的情形下进行了仿真验证。结果表明:基于修正的GLR方法对传感器和执行机构恒偏差和漂移故障的故障幅值估计具有较高的精度，两种故障情形下故障幅值的估计值的均方根误差均不超过0.005，故障部件信息重构后故障对系统性能的影响得到有效缓解。      

航空发动机性能参数预测方法

航空发动机性能参数预测对于发动机的视情维修具有重要的意义.为了提高预测精度,在分析发动机性能参数数据特点的基础上,提出了一种新的应用于此领域的组合预测模型.首先利用小波变换将原始数据分解为不同尺度上的几组子序列,根据各子序列的特点分别选用自回归滑动平均(ARMA,Autoregressive Moving Average)模型或求和自回归滑动平均(ARIMA,Autoregressive Integrated Moving Average)模型进行预测,然后将所有预测结果合成,得到最终预测结果.通过仿真实验,验证了该组合模型提高短期和中长期预测精度的有效性,并分析了小波分解层数对于预测精度的影响.      

基于深度学习的航空发动机故障融合诊断

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。      

活塞式航空发动机的优化与标定

联合发动机循环模拟与标定技术建立小型活塞航空发动机动力性和经济性的多目标优化模型。对校验后的BOOST模型进行DOE(Design of Experiment)正交试验,对试验数据进行统计数学建模,并对局部模型误差进行控制,进行响应面模型分析,通过MBC(Model-Based Calibration)工具箱进行优化标定,选用经济适用的NBI(Normal Boundary Inter-section)进行多目标优化.给出了优化的点火提前角、喷油量的MAP图,优化参数对扭矩和燃油消耗等目标的响应面模型,对提升小型航空发动机性能有重要的参考价值.     

基于R-D SSD模型航空发动机安装工位检测算法

为解决航空发动机在安装过程中大多实行人工安装、定位不精确等问题，在研究其自动化安装方法中，针对航空发动机安装工位的检测需求，提出了一种残差网络与膨胀卷积相融合的SSD改进算法(R-D SSD)。将经典SSD模型的主干网络VGG16替换为残差网络ResNet-101，并增加其输出特征图上的预选框数量，解决了原始算法对底层特征抓取能力不足的问题，进而弥补了对小目标检测效果较差的缺陷；利用膨胀卷积扩大网络的感受野，获取足够的安装工位边缘特征细节信息，在不改变网络结构的同时，保证了模型良好的实时性和对目标的检测精度。实验表明:对于小目标数据集和整个数据集，R-D SSD算法的平均检测精度较原始算法分别提高了8.6%和4.0%，可以满足航空发动机安装时平均检测精度不低于85%的要求。      

免疫支持向量机用于航空发动机磨损故障诊断

航空发动机在使用寿命周期内会不断磨损最终出现故障,通过对发动机油液监测铁谱分析数据的挖掘可实现磨损故障的诊断。本文研究免疫算法优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。首先,总结了支持向量机和免疫算法的运行流程和关键算法。然后,用改进的免疫算法优化支持向量机惩罚因子、松弛变量及核函数参数。某型航空发动机的油液铁谱分析数据和加入噪声数据验证结果表明,该方法可有效实现航空发动机磨损故障诊断且具有较好的鲁棒性。最后,研究了核函数、多分类决策方法、初始种群大小、亲和力计算公式、支持向量机优化方法和归一化方法对磨损故障诊断准确率的影响,得到了最佳诊断方法。     

小样本理论在航空发动机研制费估算中的应用

研究了小样本理论中的偏最小二乘法在航空发动机研制费估算中的适用性,系统收集了国内10余种军用涡喷/涡扇发动机的技术性能和研制费数据,选取涡轮进口温度、军用耗油率、发动机军用推力、发动机加力推力、发动机推重比、发动机净重、总增压比、空气流量、翻修寿命、原型机数量、完成时间等技术参数,将小样本理论中的偏最小二乘法应用于军用航空发动机研制费估算模型的研究,形成了基于主要性能指标的军用航空发动机研制费参数估算模型,并建立了军用航空发动机研制继承系数的概念.计算结果表明,该模型较国内其他已有模型的精度有所提高,达到了10%,可以应用于我国航空发动机研制费的快速估算.     

空间预警系统的视线测量误差建模

作为一种天基测量系统 ,由于基准点不准及相关因素的影响 ,空间预警系统的视线 (line of sight)测量数据存在较大的误差。文章先从整体上把系统的误差源分为两部分 :预警卫星定位和红外传感器校正。然后从这两个误差源出发 ,具体分析了误差产生的原因 ,通过合理的简化 ,分别建立了独立的子误差模型 ;进而 ,基于子误差模型建立了系统整体误差模型 ,并进行了数值仿真计算。     

航空发动机数据库逻辑结构的研究

成功地建立航空发动机数据库的关键,是根据数据模型分析,研究的结果进行数据库总体逻辑结构设计,经过分析,研究采用关系型数据理论,使航空发动机数据库具有合理的逻辑结构,航空发动机是一种在不断发展中的技术密集型的热动力机械产品,它不但涉及许多学科与技术领域,而且本身结构得杂,型式多样,在建立关系型航空发动机数据库时,研究描述航空发动机的各种数据间的关系模式与函数依赖关系,是建立数据模型的主要环节,数据库     

智慧城市多模式数据融合模型

随着云计算和大数据等技术的发展及城市发展的迫切需求,智慧城市已成为近年来国内外研究的热点之一。随着城市中摄像头、监测传感器等采集设备数量的增加,城市数据种类也越来越多。所获取的城市数据具有多源、异构、时变、高维等多模式特性。如何让这些多模式的城市数据关联起来,实现它们的互通互联,挖掘出更丰富多样的信息,从而能更好地指导智慧城市的构建,是本领域的难点。本文提出了一个城市多模式数据融合模型,即多模式互联生长（MICROS）模型,并从3个层面对该模型进行了描述。首先,针对多模式数据的特点,重点描述了多模式数据多源、异构、时变、高维等特点。其次,针对多模式数据的特点,自底向上构建实现针对多模式数据的融合过程的3层基础模型,分别是服务信息描述模型、元数据模型和数据互联模型。最后,在这3层模型的基础上,本文提出了一个适用于智慧城市建设的多模式数据融合模型。      

基于光谱特征的自适应子空间波段选择方法

针对现有波段选择方法无法依据感兴趣地物划分数据子空间及子空间划分容易受背景地物影响等问题,提出一种基于光谱特征的自适应子空间波段选择方法.利用感兴趣地物的光谱曲线,建立光谱自适应因子(SAF,Spectral Adaptive Factor);通过聚类划分子空间,在每个子空间内,利用J-M距离筛选类别可分性最大波段作为子空间最优波段,从而得到整个数据空间的最佳波段组合.利用AOTF (Acousto-Optic Tunable Filter)成像光谱仪数据与波段指数(BI,Band Index)和基于类间可分性最佳波段选择两种方法比较,SAF方法选择的最佳波段组合,包含信息量丰富,地物之间差异较大,且地物平均J-M距离大于另外两种方法.用最大似然法(maximum likelihood)对最佳波段组合进行分类,总体分类精度为96.8%,Kappa系数为0.894.结果验证了SAF方法的有效性和实用性.     

基于STEP的航空发动机工作叶片特征建模

对并行工程环境下航空发动机转子工作叶片基于特征的设计进行了研究和探索.在对叶片的结构特点进行分析的基础上,借助参数化特征建模技术,按照STEP(AP203/AP214)标准,建立了工作叶片的特征体系结构,并以此实现了一个三维实体特征建模系统.继而,在实现了模型由设计平台向分析平台的传递之后,成功地完成了模型的有限元静强度和振动分析.      

天线罩干扰下的雷达/红外复合导引头数据融合

针对雷达/红外复合导引头中存在天线罩折射以及外部干扰问题,在三维模型下,提出一种基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)的多模型算法,对天线罩斜率进行估计,并将估计结果代入EKF,降低观测视线角中的天线罩折射干扰,形成最优局部估计.采用基于环境信息的加权因子法对雷达/红外局部估计结果进行融合,通过环境信息度量传感器测量结果的可信度,忽略不可信的局部估计结果.设计4组算例检验融合算法性能,仿真结果表明:所提算法可以准确估计天线罩斜率,合理并有效使用雷达/红外传感器信息,提高系统估计精度.     

一种电子政务数据交换覆盖网络

数据交换是电子政务应用的核心问题.构建一种应用层数据交换覆盖网络成为解决这类问题的关键.分析了电子政务数据交换的特点,提出了电子政务数据交换覆盖网络eGON(e-Government data exchange Overlay Network)的概念模型,在树型结构组织网络的基础上,引入结点间组织距离和结点适应度概念,提出了一种eGON拓扑结构模型——双尺度异质组织网络模型DSHON(Dual Scale Heterogeneous Organization Network),该模型按照与组织距离和能力适应度2种尺度相关的概率添加快捷边,实现网络性能改善.设计了eGON的总体结构、构建与维护机制、路由维护协议和基于组织距离优先的消息路由算法,并进行了路由算法实验验证.      

机会传感网中一种自适应链路侦测数据收集算法

提出了一种自适应链路侦测的数据收集算法,以提高机会传感网链路的预测精度与传输成功率:采用自适应链路侦测算法测量出各节点的实时网内链路质量权重因子,结合节点能量消耗模型,通过基于无味卡尔曼滤波的概率预测方法对节点间的链路质量进行量化计算,实现节点对通信链路的实时自适应预测与最优化选择,从而完成数据收集.仿真实验结果表明:新算法提高了最优化路径决策的预测精度,可以有效地增加消息的平均通信成功率,降低消息的平均传输延时.     

A simplified data assimilation method for reconstructing time-series MODIS NDVI data

The Normalized Difference Vegetation Index (NDVI) is an important vegetation index, widely applied in research on global environmental and climatic change. However, noise induced by cloud contamination and atmospheric variability impedes the analysis and application of NDVI data. In this work, a simplified data assimilation method is proposed to reconstruct high-quality time-series MODIS NDVI data. We extracted 16-Day L3 Global 1 km SIN Grid NDVI data sets for western China from MODIS vegetation index (VI) products (MOD13A2) for the period 2003–2006. NDVI data in the first three years (2003–2005) were used to generate the background field of NDVI based on a simple three-point smoothing technique, which captures annual features of vegetation change. NDVI data for 2006 were used to test our method. For every time step, the quality assurance (QA) flags of the MODIS VI products were adopted to empirically determine the weight between the background field and NDVI observations. Ultimately, more reliable NDVI data can be produced. The results indicate that the newly developed method is robust and effective in reconstructing high-quality MODIS NDVI time-series.     

多源数据融合的民航发动机修后性能预测

针对民航发动机修后排气温度裕度预测过程中的多源异构数据融合问题,提出了卷积自编码器与极端梯度提升模型结合的方法。利用所提出的条件熵增长因子规整发动机修前多元传感器参数序列中的参数排序,采用卷积自编码器提取规整后的参数序列和维修工作范围的数据特征,并将其与发动机使用时间信息组成合成特征以训练极端梯度提升模型,从而预测发动机修后性能并评估各影响因素的重要程度。经发动机机队维修案例验证,所提方法预测精度高于单维参数序列预测方法,对发动机修后排气温度的平均相对预测误差不高于8.3%。