利用神经网络规则提取方法获取转静碰摩故障诊断知识

 获取易于理解的航空发动机转静碰摩故障诊断知识规则对于深刻认识碰摩故障机理、有效诊断碰摩故障具有重要意义。鉴于此,研究了一种新的基于功能性观点的神经网络（NN）规则提取方法,介绍了连续属性离散、训练样本产生、神经网络训练、示例样本产生及规则提取等关键算法,并用Iris数据对方法进行了验证。最后,通过航空发动机转子实验器获取碰摩故障样本,利用神经网络规则提取方法从故障样本中提取了碰摩故障诊断知识规则,并对其进行了验证分析,验证结果充分表明了该方法的正确有效性。     

飞机外形和结构件反求建模技术研究

 探讨了基于特征的飞机外形和结构件反求建模策略,并给出曲面特征和实体特征的定义,该方法支持具有完整特征表达的模型快速重建。提出了大规模散乱数据k近邻的空间球搜索算法,其逐步增大搜索范围的策略可有效提高搜索效率。研究了结构件与外形相关曲面特征的重建方法,当贴合面较窄、外形线接近于直线时,采用直纹面逼近,否则由蒙皮曲面等距间接求取。研究了基于工程约束的曲面形状修改算法,以B样条曲面需满足的点、线、面几何约束为目标约束,通过最小化形状修改前后差曲面的弯曲能得到精确满足目标约束的光滑曲面,推导了曲面弯曲能和曲线约束的表达式。最后,以飞机翼肋模型反求为例验证了所提方法的可行性。     

基于随机激励的某机匣模态实验与分析

用模态实验的方法对某型飞机发动机机匣的模态参数进行了识别。考虑噪声对频响函数的影响,在功率谱分析时,导出了噪声影响情况下的功率谱表达式,利用这个表达式计算了频响函数并最终用来提取模态参数。引入预实验方法用于机匣模态参数的探测中,以确定机匣上各个测点和激振器激振点的合理布置。考虑到实际工作时的激励情况,在实验台上用白噪声随机激励来模拟环境激励,对机匣进行了模态实验。与计算模态相比,用实验模态方法提取模态参数,避免了复杂的有限元建模与仿真,并能用相干函数来检验测得的实验数据的有效性。实验模态分析表明,得到的模态参数对于进一步改进机匣设计、分析其振动、疲劳寿命特性等具有重要的意义。      

一种适应较大比例变化的多传感器图像配准方法

提出了一种基于边缘曲率区域极值和边缘相关的图像配准方法。算法首先提取图像的较长边缘并对其进行改进的Freeman编码;然后使用Freeman码计算曲线的曲率,根据曲率极值的对应情况初始匹配边缘并得到比例变换因子;然后重采样图像,使用边缘相关、一致性检测方法得到对应的相关边缘对,最后使用最小二乘法得到图像的配准参数。算法可以适应配准图像间有较大旋转角度和较大平移变换等情况。     

重型货物空投系统过程仿真及特性分析

建立了货物空投系统仿真计算模型,包括货台在舱内和舱外全过程的运动特性、降落伞拉直和充气过程的轨迹特性计算等,提出了伞群模拟和多吊带系统分析的新方法。结合目前已有的降落伞性能计算模型和物伞系统运动模型,对重型货物空投全过程进行了完整计算,开发了空投过程三维动画仿真软件,通过与试验数据的对比,表明本模型能很好地满足应用的需要。分析了空投速度、伞包安装位置和牵引比等因素对空投过程的影响,指出了实际系统的改进方向。     

基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。     

基于神经网络规则提取的航空发动机磨损故障诊断知识获取

针对神经网络智能诊断与专家系统中知识难于理解和诊断解释能力差等问题,研究了一种新的基于功能性观点的神经网络规则提取方法,介绍了方法流程及关键算法.并用UCI(加利福尼亚大学埃尔文分校)机器学习数据对方法进行了分析和验证.最后,将方法应用于实际航空发动机磨损故障诊断中,采集了某型航空发动机实测油样光谱数据237个样本,利用神经网络规则提取方法提取了发动机磨损故障诊断知识规则,并对其进行了解释,结果表明了方法的正确有效性.      

基于数字近景摄影测量的天线变形测量

文章介绍了基于数字近景摄影测量原理的天线变形测量方法。该方法利用2台CCD相机交会摄影来获取被测面图像,并对被测面上特殊标志点进行中心坐标提取,然后利用光束法平差解算标志点中心坐标。测量精度可达到1:50000,可用于卫星天线研制过程中空间环境模拟试验的检验,为卫星天线在轨正常工作提供可靠性保证。     

基于SVM的浮动车行驶模式判断模型

浮动车在低速情况下存在两种行驶模式,如不能对上述模式进行准确区分,将严重影响浮动车实时路况计算的精度和效率.研究和设计了一个基于支持向量机(SVM,Support Vector Machine)的浮动车行驶模式判断模型,并针对性地提出了一种简单的基于隶属度矩阵的特征评价和选择方法.实验表明通过上述方法选择的特征子集所训练的分类器在测试样本集上具有92.6%的分类准确性;经过行驶模式分析后,浮动车系统的准确性有显著提升.      

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。