基于串行支持向量分类器的模拟电路故障诊断

介绍了支持向量机的基本原理,提出一种新型支持向量多类分类器,其中多个二类分类器组成串行结构,每个二类分类器均带有非线性主元素分析特征提取器.描述了其训练与分类算法,并将其应用于非线性电路的部件级诊断.和传统BP网和RBF网分类器相比,支持向量方法在分类准确率上表现出明显的优势,其中串行支持向量多类分类器无论在训练和分类速度方面,还是在诊断准确率方面,都要优于传统并行结构的多类分类器.      

基于深度残差网络的模拟电路软故障诊断方

航天电子电路的故障诊断一直是航天领域可靠性与安全性的一个热点研究课题，航天电子电路的故障将直接影响航天任务是否成功。提出了一种基于深度残差网络的模拟电路故障诊断方法。该方法使用短时傅里叶变换将电路的时域输出信号转换为二维电路图像，并将其作为神经网络的输入，再利用ResNet提取模拟航天电子电路的性能特征，确定元件的故障类型，完成电路的故障诊断。通过仿真验证了该方法的故障诊断性能。仿真结果表明，该方法能够实现高达99.1%的诊断准确率。     

基于混合动态信念传播的多无人机协同定位算法

针对多无人机(UAVs)协同定位问题,提出一种基于混合动态信念传播的定位算法。在部分无人机GPS信号丢失的情况下,该算法可根据其他无人机的GPS观测,相邻无人机之间的相对距离观测,以及无人机加速度计的输出,对每个无人机的位置和速度状态进行分布式在线估计。首先用因子图模型描述多无人机的联合信念状态,接着给出一种混合动态信念传播推理算法计算图模型中的每个变量节点(对应于每个无人机)状态的边缘后验分布。推理过程仅包括每个无人机对自身局部信息的处理以及相邻无人机之间的信息交互,因此该算法可完全分布式实现。通过仿真实验以及与传统协同定位算法的比较,表明了本文算法的有效性。      

饱和时序下防空相控阵雷达动态优先级调度算法

针对防空相控阵雷达负载饱和情况下的时间分配问题,提出一种基于目标威胁密度和截止期的雷达任务动态优先级调度算法。根据目标信息建立非线性目标威胁度模型并设计动态优先级表,然后,利用目标威胁度、任务驻留时间和截止期共同确定任务的综合优先级。在此基础上,提出执行威胁率（TRE）的评估指标,以反映调度算法对重要任务的执行情况。仿真结果表明,在饱和时序下,相比于传统的截止期最早最优先算法,改进算法的搜索性能提高了43%,执行威胁率提高了52%。      

微喷气对压气机稳定性影响的实验

在低速双级轴流压气机上开展了一系列不同喷射系统布局、射流参数的实验研究,并探讨了微喷气扩大压气机稳定裕度的原因.结果表明:当布局在压气机进口的喷嘴周向均布且不小于4个的时候,压气机稳定裕度增量主要受到每个喷嘴的出口动量的影响;微喷气扩稳的机理是从频率和压力幅值两个方面抑制模态波的发展,越接近喷气流,模态波被抑制的程度越大,一旦喷气流无法抑制模态波的发展时,压气机就会进入失速状态.      

功率提取与附加引气对涡扇发动机影响仿真

功率提取与附加引气是涡扇发动机在使用过程中必须考虑的因素,其对发动机的推力、耗油率及稳定裕度有着重要的影响。利用开发的涡扇发动机性能程序,计算了不同的功率提取量和附加引气量对某双轴混排涡扇发动机的影响。仿真结果表明,随着功率提取量的增加,发动机的推力和耗油率上升、风扇和高压压气机稳定裕度下降;随着附加引气量的增加,发动机的推力下降、耗油率、风扇和高压压气机稳定裕度上升。     

涡轮叶栅外换热系数计算

采用求解三维雷诺平均Navier-Stokes(N-S)方程和带转捩模型的二方程Shear stress transport(SST)湍流模型,完成了MARKⅡ,VKI两个高压涡轮导叶叶栅及一个VKI高压涡轮动叶叶栅的外换热系数计算.计算结果与试验数据的对比表明,发展的带转捩模型的数值方法明显地提高了外换热系数的计算精度.      

涡轮叶栅流动和传热耦合计算

通过求解三维雷诺平均N-S(Navier-Stokes)方程和带转捩模型的二方程SST(Shear stresstransport)湍流模型,完成了带简单冷却的MARKⅡ涡轮导向叶栅流动和传热耦合计算.计算结果与试验数据的对比表明,发展的带转捩模型的数值方法明显地提高了叶栅温度和外换热系数的计算精度.同时研究发现,湍流模型对叶栅表面压力分布影响很小,而对叶栅表面温度和外换热系数影响很大;在其它边界条件相同的情况下进口湍流度对壁面压力几乎无影响,但对叶栅温度和外换热系数影响较大.      

基于SDAE的航空发动机燃油流量基线模型构建

为克服传统的基线模型算法(如BP神经网络算法)存在的泛化能力不高、鲁棒性差且容易陷入局部最优解等缺点,构建了基于堆叠降噪自动编码器(SDAE)的航空发动机燃油流量基线模型,利用民航发动机的真实飞行数据对基线模型进行训练与验证,并与基于BP神经网络的基线模型进行对比分析。结果表明:基于SDAE的燃油流量基线模型具有更高的精度和更强的鲁棒性。