Stacked-GRU网络在动力随动陀螺零部件选配上的应用

动力随动陀螺是红外导引头位标器的核心部件之一，其装配质量对于导弹制导精度而言有着决定性的作用。针对动力随动陀螺零部件一次选配成功率低的问题，提出了一种基于数据驱动的动力随动陀螺零部件选配方法。对动力随动陀螺零部件装配现状进行了分析，考虑到零部件装配参数间复杂的非线性映射关系，建立了堆叠门控循环单元（Stacked-GRU）网络数据驱动模型，对陀螺待装配零部件参数属性值进行了预测。根据预测结果指导了陀螺零部件的选配，并以陀螺典型零部件装配为例进行了验证。实验结果表明，所提方法能够实现动力随动陀螺零部件的选配，且预测精度优于传统神经网络。     

航模驱鸟设备的综合安全性研究

综合分析了影响航模驱鸟设备安全性的航模、操纵者及环境三方面的因素,为了提高航 模驱鸟设备的综合安全性,结合专家经验及数据,提出了相应的保证安全的措施。     

航空发动机健康管理云服务系统设计与实现

为提高航空公司的资源利用率和经营管理水平,设计了一个基于云计算的航空发动机健康管理系统。分析了航空公司对云服务系统的需求,介绍了系统的结构体系和系统开发和运行的环境。叙述了系统的功能模型和信息模型,并通过发动机健康管理一个模块——“水洗”的使用来说明系统的使用过程。     

基于双隐层过程神经网络的飞机发动机故障检测

利用双隐层过程神经网络模型可以直接处理时变信号的特点，提出了一种用双隐层过程神经网络模型对飞机发动机进行故障检测的方法。由过程神经元隐层完成对输入信息过程模式特征的提取和对时间的聚合运算，非时变一般神经元隐层用于提高网络对系统输入输出之间复杂关系的映射能力。分别利用递归神经网络和双隐层过程神经网络对发动机排气温度裕度进行仿真预测。结果表明，双隐层过程神经网络收敛速度快、精度高，优于递归神经网络的预测结果。为飞机发动机状态监测问题提供了一种有效的方法。     

一种可用于航空发动机健康状态预测的动态集成极端学习机模型

提出一种动态集成极端学习机模型用于航空发动机健康状态预测.采用AdaBoost.RT集成学习算法对极端学习机（ELM）进行集成,在训练时采用每个训练样本的近邻样本对ELM的局域性能进行评估;在预测时首先确定新样本在训练样本集中的近邻样本,然后根据ELM在近邻样本上的性能来赋予集成权值实现弱学习机的动态集成.以燃油流量为指标进行航空发动机健康状态预测,动态集成ELM模型短期预测结果的平均相对误差绝对值（MAPE）为3.688%,小于单一ELM模型的3.830%以及静态集成ELM模型的3.719%;长期预测结果中动态集成ELM模型的MAPE为3.075%,小于单一ELM模型的4.355%以及静态集成ELM模型的3.884%.因此动态集成ELM模型更适用于航空发动机健康状态预测.      

民用航空发动机水洗时机决策方法

为了解决民用航空发动机定时水洗带来的水洗效果不明显或者未及时水洗的问题,对发动机水洗时机决策方法进行了研究.对水洗效果进行了分析,提出以期望水洗效果作为水洗时机确定的依据.考虑到水洗效果影响因素众多以及水洗样本容量小,将主成分分析与支持向量机结合起来,建立了发动机水洗效果预测模型.基于期望水洗效果以及预测的水洗效果确定合理的水洗时机.验证结果表明,建立的水洗效果预测模型优于多元线性回归模型,也优于单纯的支持向量机模型.     

基于小波过程神经网络的飞机发动机状态监视

 针对飞机发动机状态监视问题，提出了小波过程神经网络模型。其隐层和输出层为过程神经元，隐层激活函采用小波函数。该模型结合了过程神经网络可以处理连续输入信号的特点及小波变换良好的时频局域化性质，有更强的学习能力和更高的预测精度。文中给出了相应的学习算法，并以飞机发动机状态监视中排气温度裕度的预测为例，分别利用3层前向过程神经网络和小波过程神经网络进行预测。结果表明，小波过程神经网络结构更简单，收敛速度更快，优于过程神经网络，因而为飞机发动机状态监视提供了一种有效的方法。     

基于寿命件的民航发动机送修目标确定方法

为了科学合理地制定维修工作范围,提出了一种面向全寿命周期的基于寿命件的民航发动机送修目标确定方法.首先以全寿命周期内送修次数最少、寿命件总成本最低、目标在翼总循环最长为优化目标,建立了多目标优化模型;在分析各优化目标的基础上,提出了一种基于分步求解策略的模型求解方法;最后,采用某航空公司一台航发动机的实际数据对提出的送修目标确定方法进行了验证.结果表明提出的方法能够基于妥协系数和各优化目标权重实现全寿命期内送修次数和寿命件总成本的平衡,能够为发动机送修目标的确定提供决策支持,避免了送修目标确定的随意性.     

民用航空发动机水洗效果量化评价方法

为了掌握水洗对民用航空发动机性能的改善效果,实现从定时水洗向视情水洗的转变,并为航空公司评估节能减排工作成效提供支持,提出一种发动机水洗效果量化评价方法。该方法选择延长在翼时间和节省燃油量作为评价发动机水洗效果的两个主要指标,给出评价指标的计算方法;建立基于成本的发动机水洗效果评价模型,基于该模型对水洗效果进行评价;采用某台水洗后发动机的实际数据对所提出的方法进行验证。最后,基于所提方法开发发动机水洗管理系统。结果表明:所提方法能够实现发动机水洗效果的定量评价,为视情水洗的实现和航空公司评估节能减排工作成效提供支持。     

基于动态集成算法的航空发动机气路参数预测

针对单一学习机对航空发动机气路参数预测困难的问题,提出了基于动态加权核密度估计（DWKDE)组合方法的集成预测算法,该组合方法选择测试样本的近邻样本,通过评估学习机在近邻样本的局部性能动态确定各学习机的权值,并基于该权值利用加权核密度估计实现数据序列的集成预测。该组合方法不易受离群值和样本不对称分布的影响,将该组合方法用于AdaBoost.RT和AdaBoost.R2算法,获得了改进后的集成学习算法。实验证明:相比于神经网络和原始集成学习算法,改进后的集成学习算法较好地提高了航空发动机气路参数序列的预测精度,方均根误差（RMSE)指标至少可降低27%。