基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

航空新型静电传感器建模与标定实验

静电传感器是一种用于航空发动机润滑油路中磨粒在线监测的新型传感器,为了对静电传感器的特性进行研究,改进了静电传感器的数学模型,设计了静电传感器标定装置。标定装置通过高压电场使油滴荷电,可以产生电量和极性可调的带电油滴,并可通过静电计准确测量产生的油滴电量。通过对数学模型的分析,以及标定实验的实验研究,确定了传感器的空间灵敏度分布;发现并验证了定速带电油滴沿着传感器固定径向位置移动时,静电传感器输出电压的峰值与施感电荷呈线性关系;通过标定实验获得了传感器的标定曲线,并进一步定量确定了传感器静态灵敏度在径向位置上的分布,标定实验也同时验证了数学模型的正确性。     

一种小样本民机产品的可靠性预测方法

将最小二乘支持向量机(Least square support vector machine,LS-SVM)应用于小样本民机产品的可靠性预测分析。通过重构相空间的饱和嵌入维数,确定最小二乘支持向量机的最佳输入变量;然后,使用最小二乘向量机建立可靠度回归预测模型,运用自动网格搜索法,优化了最小二乘支持向量机的建模参数,实现了比现有方法精度高、泛化性好的模型。训练和测试的可靠性样本取自某机型襟翼液压锁寿命可靠性数据。与神经网络模型的比较实例表明,提出的方法合理有效。     

基于Remote Panels和小波变换技术的滑轨磨损远程监测系统

飞机襟、缝翼运动机构中滚轮滑轨的磨损状况对飞机的可靠性有很大的影响,为研究滚轮滑轨的磨损情况,通过Ni WLS-9234数据采集卡和LabView开发平台,采用Remote Panels远程监控技术以及小波变换技术,对滚轮和滑轨相对位移所产生的振动信号进行采集及分析,判断出磨损状况。该系统应用在某滚轮滑轨磨损试验机上可以测得滑轨磨损状况的一般信息。     

基于Patran/Nastran 和Hypersizer的复合材料后机身加筋结构形式选择分析

针对复合材料后机身加筋壁板构型选择问题,采用有限元前后置处理软件Patran建立有限元模型,使用有限元分析软件Nastran进行初步分析,利用复合材料结构分析与优化软件Hypersizer进行结构形式的优化计算分析,优选出后机身壁板最佳结构形式。通过计算分析,得出有意义的工程经验。     

商用喷气式飞机DMC分析模型应用研究

首先对影响民机维修成本的要素进行了讨论,并给出一些飞机维修成本数据。然后归纳总结了欧美多种飞机维修成本计算方法。最后,通过算例进行比较分析,确定出一种符合国内市场情况的DMC计算方法用于型号初步设计,工程实践表明该方法符合中国市场情况,并给出未来的研究方向。     

民用客机增升装置气动噪声研究进展

随着民用飞机数量的快速增加,航空噪声问题日益引起世界范围的关注。增升装置作为重要的机体噪声源之一以其流动复杂性和声源多样性成为民用航空气动声学的难点之一,欧美各国为此开展了大量的研究。总结了增升装置气动噪声的产生机理以及控制措施的研究现状,在此基础上还特别关注了目前工业部门气动与声学的设计思想及需求。     

C919大型客机国内市场销售策略初探

论述了中国商飞新型单通道干线飞机C919如何体现新型飞机的优势,并结合航空公司商务战略,在了解市场、满足市场、服务市场的基础上,对大飞机市场销售方法进行研究,为实现初步面向国内市场再逐步走向国际市场的目标进行探索。     

基于延迟时间模型的民机部件维修优化方法

民机视情维修理念推动了维修向高效、经济的方向发展。本文阐述了民机视情维修的概念;研究了延迟时间模型建模原理和建模过程,提出了以维修间隔为约束、以费用率为目标的维修优化模型。针对当前中国确定民机部件维修间隔主要凭借经验的现状,进行仿真分析,并提出通过仿真机体面板的故障数据,将延迟时间模型应用于机体面板的检查与更换等维修决策中。模型以费用最低为目标、维修间隔为约束,优化了维修决策。仿真分析同时研究了不同参数条件下的最优维修间隔的变化情况。研究结果表明该方法提高了部件维修决策的合理性。     

LEVEL DECISION-MAKING FOR AERO-ENGINE MODULES BASED ON INCREMENTAL KNOWLEDGE LEARNING

The maintenance of an aero-engine usually includes three levels, and the maintenance cost and period greatly differ depending on the different maintenance levels. To plan a reasonable maintenance budget program, airlines would like to predict the maintenance level of aero-engine before repairing in terms of performance parame- ters, which can provide more economic benefits. The maintenance level decision rules are mined using the histori- cal maintenance data of a civil aero-engine based on the rough set theory, and a variety of possible models of upda- ting rules produced by newly increased maintenance cases added to the historical maintenance case database are in- vestigated by the means of incremental machine learning. The continuously updated rules can provide reasonable guidance suggestions for engineers and decision support for planning a maintenance budget program before repai- ring. The results of an example show that the decision rules become more typical and robust, and they are more accurate to predict the maintenance level of an aero-engine module as the maintenance data increase, which illus- trates the feasibility of the represented method.