GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。     

金融工程学的发展和基本功能

金融工程产生的原因在于布雷顿森林体系之后的浮动汇率制和全球经济贸易金融一体化。其主要内容包括期权类组合、互换类组合和复合票据组合三大类。金融工程的宏观功能在于资产保值增值和规避风险;促进金融业的有效竞争,提高金融市场的效率;降低企业融资成本,促进经济健康发展。有效的金融监管和金融现货市场的发达完善是实施金融工程必须具备的客观条件。     

基于实时状态监控信息的飞机维修决策系统

针对某型飞机虽然已具备机上实时状态监控功能但维修人员只能实施事后维修的问题．应用故障预测与健康管理（PHM）技术．设计了基于数据链的实时状态监控维修决策系统．用于飞机故障预测、故障报告、维修响应和健康管理。     

航空发动机滑油系统的现状及未来发展

滑油系统是航空发动机机械系统的重要组成部分。随着中国航空发动机的发展,对其滑油系统的研究逐步深入,在系统的设计原理、系统热分析、系统组成部件、润滑油、系统检测等几个方面正在从仿制走向自行研制的道路。对发动机滑油系统的发展现状进行了分类描述,总结了未来发动机研制滑油系统的发展方向。     

一种惯性辅助卫星导航系统及其完好性检测方法

针对传统的卫星导航/捷联惯导(GNSS/SINS)紧耦合组合系统中SINS测量影响所有的观测量,以及SINS故障不能被隔离的缺点,给出了一种新的惯性辅助卫星导航紧耦合组合结构及其完好性检测方法.设计了紧耦合系统结构和卡尔曼滤波器,将SINS测量转换为虚拟伪距,作为GNSS伪距测量的扩展,并设计了基于滤波新息的残差检验法(RCTM)和自主完好性检测外推法(AIME)来进行完好性检测.该紧耦合方法可以通过虚拟卫星的选择降低几何精度因子,在提高导航精度的同时便于完好性检测.仿真结果表明惯性辅助卫星导航新方法可以有效地提高导航精度,RCTM法对于阶跃故障和快变的斜坡故障检测是非常有效的,而AIME法对于慢变的斜坡故障检测具有更好的性能.     

青海玉树地震遥感监测应用研究

青海省玉树藏族自治州玉树县发生里氏7.1级地震后,作为我国减灾救灾决策支持单位,民政部卫星减灾应用中心(民政部国家减灾中心)根据国家减灾委、民政部救灾应急响应启动情况和部救灾总指挥部的统一部署,立即启动<应对突发性自然灾害空间技术响应工作规程>,实行24h业务值班制度,以高分辨率卫星和航空遥感数据为主,开展灾害监测与评...     

GNSS中基于双星故障的RAIM中的数学关系

从理论上推导全球导航卫星系统(GNSS)中基于双星故障的接收机自主完好性监测(RAIM)中的两个基本定理,为基于双星故障的RAIM技术提供了理论支撑。第一个定理给出了RAIM中奇偶矢量与导航误差的关系,指出了两者的统计独立性,它表明只能通过多次测量的累积以统计方法得到导航定位精度;第二个定理指出可通过偏差修正方式得到正确的导航解。这两个结论与单星故障假设条件下得到的结论是相同的,这就表明,基于单星故障假设的RAIM方法,其基本原理是可以通用于双星以至于多星故障情形的,只需在具体操作上进行适应性改进。另外,推导方法本身也提供了一种进行GNSS分析的有力工具。     

加油机加油过程视频监控需求分析

通过对一般加油过程的分析,提出了空中加油机加油过程视频监控需求。将加油过程分为会合、编队、对接、解散四个部分对监控区域进行讨论,并对监控区域进行整理及优化,从功能、分辨率及显示等方面进行分析,给出适应性的视频监控需求,为机外摄像头布局,摄像头和显示器选型,机外照明布置提供有效支持。     

Characterization of ionospheric amplitude scintillations using wavelet entropy detrended GNSS data

The extensive monitoring networks of Global Navigation Satellite System (GNSS) ionospheric scintillation have been established to continuously log observation data. Further, the amplitude scintillation index and the phase scintillation index, which are derived from scintillation observations, are anticipated to accommodate the accuracy requirement of both the user level and the monitoring station level. However, raw scintillation observations essentially measure superposed waveform impairments of GNSS signals propagating through ionosphere and troposphere. It implies that fluctuations of raw scintillation observations are caused by multiple factors from the entire radio propagation environment. Hence, it is crucial to characterize ionospheric scintillations from GNSS observation data. And the characterization is implemented through extracting fluctuations of raw observations merely induced by ionospheric scintillations. Designed to address this problem by means of Fourier filtering detrending, the present work investigates the influence of varying detrending cutoff frequencies on wavelet statistical energy and wavelet entropy distributions of scintillation data. It consequently derives criteria on the optimum detrending cutoff frequency for three types of raw amplitude scintillation data, which are classified by their wavelet energy distributions. Results of the present work verify that detrending with specific optimum cutoff frequencies rather than the fixed and universally applicable one renders the validity and credibility of characterizing ionospheric scintillations as the part of GNSS observation fluctuations purely induced by ionosphere electron density irregularities whose scale sizes are comparable with or smaller than the Fresnel scale.     

液体火箭发动机健康监控技术研究现状

液体火箭发动机健康监控技术是改进和提高运载火箭、航天器可靠性与安全性的核心技术之一,对其进行研究具有重要的学术价值和工程应用价值。液体火箭发动机健康监控技术的研究主要包括液体火箭发动机故障检测与诊断理论方法、液体火箭发动机健康监控系统两方面。该文介绍了基于模型驱动的方法、基于数据驱动的方法和基于人工智能的方法,阐明了液体火箭发动机故障检测与诊断理论方法的研究现状,通过对美国液体火箭发动机典型健康监控系统的介绍,阐明了液体火箭发动机健康监控系统研究的若干进展及现状,并对液体火箭推进系统健康监控技术的演变趋势作了简要评述。