基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。     

基于PSO-ELM的军用飞机维修保障系统效能评估研究

维修保障系统效能评估是军用飞机精细化、规范化管理的一项重要措施,科学的维修保障系统效能评估是精细化保障的基础,是提升战斗力的保证。针对军用飞机的维修保障系统效能评估问题,在总结军用飞机维修保障系统效能评估体系的基础上,提出基于粒子群优化极限学习机算法(PSO-ELM)的维修保障系统效能评估模型;并通过实例进行验证。结果表明:该算法应用于军用飞机维修保障系统的效能评估是可行的,可为军用飞机维修保障效能评估提供借鉴。     

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

基于预测扭矩前馈的涡轴发动机内模控制方法

基于内模原理设计了涡轴发动机功率涡轮转速控制器.针对主旋翼扭矩变化对功率涡轮转速的干扰,提出了一种基于极端学习机的扭矩预测方法.极端学习机训练基于动态仿真数据,其输入通过相关分析获得.基于内模原理的功率涡轮转速控制器采用极点配置的设计方法,将输入信号的内模直接加入控制器,实现鲁棒跟踪.扭矩前馈采用比例微分(PD)控制策略,实现对发动机负载变化干扰的有效补偿.数字仿真结果表明:极端学习机扭矩预测精度高,扭矩相对误差小于1.5‰,与不加前馈控制相比,所提出的控制方法减小了机动飞行过程中功率涡轮转速的超调或下垂30%以上.      

先进复合材料在未来飞行器中的应用

复合材料在飞行器结构中的用量已经成为航空航天结构的先进性标志之一,其优越的综合性能非常适应未来飞行器的发展趋势.文章概述了先进复合材料在航空航天结构应用中的主要发展历程,结合未来飞行器的发展趋势,预测了先进复合材料在未来飞行器运用中可能带来的新挑战新机遇.     

宇宙中六种最极端的黑洞

美国航宇局于2010年11月16日发布了钱德拉天文望远镜发现的一个迄今最年轻的黑洞。黑洞是由超新星爆炸留下的残余物质形成的,是宇宙中最奇异的天体之一。即便是在这些奇异的黑洞当中,还有一些更极端的,以下即是宇宙中最极端的黑洞。     

基于隶属度和LMK-ELM的航空电子部件诊断方法

为提高航空电子部件模块级故障诊断精度，提出一种新的面向"软聚类"的局部多核学习（LMKL）-超限学习机（ELM）离线诊断方法。通过引入模糊C均值聚类对样本空间进行模糊划分，挖掘聚类内部多样性的同时，实现了对过学习的抑制；将模糊划分产生的隶属度信息融入LMKL-ELM的优化过程，运用基于初始-对偶混合优化问题的三步优化策略克服了局部核权重二次非凸的问题，在l₁-范数与l₂-范数约束下分别给出了相应的更新方法。将所提方法应用于某型机前端接收机，结果表明：与4种流行的多核诊断方法相比，该方法可有效避免漏警、抑制虚警，在l₁-范数和l₂-范数约束下，其诊断精度比其他方法的平均值分别提升了4.09%和5.13%。     

极端低温下电液伺服阀温漂特性分析

针对电液伺服阀在极端低温下温漂大的问题，以＋40℃时电液伺服阀初始零偏为基准，采用线性回归方法分析了某型射流管伺服阀不同温度的零偏试验数据，得到了极端低温下的伺服阀温漂与＋40℃时初始零偏的数学关系。分析与试验结果表明：极端低温时射流管伺服阀的温漂与＋40℃时的初始零偏存在非常显著的线性关系。温漂与电液伺服阀制造与装配工艺过程密切相关，与结构及其装配不对称有关。电液伺服阀结构上的微观不对称现象，在极端低温下显现出来，尤其是呈现出较大的温漂。降低温漂的主要措施是提高电液伺服阀结构与装配的对称性，降低初始零偏。     

基于改进MRNSD算法的电阻抗层析成像

电阻抗层析成像（EIT）作为一种新兴的碳纤维增强复合材料（CFRP）无损检测方法，具有成本低、无辐射、可视化等优点，受到研究者广泛关注。EIT逆问题具有严重的病态性，通常采用正则化算法改善成像质量。基于修正残差范数最陡下降法（MRNSD），利用其在减少图像伪影和保持边界信息方面的优势，针对该算法存在的半收敛性和抗噪声效果差等问题，采用预处理和软闭值方法对MRNSD算法进行改进。通过仿真和实验，对比所提改进算法与几种常用算法的成像效果。结果表明，所提算法有效提高了EIT图像质量和抗噪声能力，并且实现了最佳迭代次数的自动更新，有利于推动EIT方法在CFRP损伤检测中的实际应用。