基于深度置信网络的机载外挂振动预计方法

针对机载外挂挂飞振动环境与飞行高度、马赫数的非线性关系,提出了一种基于深度置信网络(DBN)的振动预计方法。从仿真的角度根据GJB 150.16A中的经验公式产生7 470组数据,分别建立线性回归、多项式回归和DBN振动预计模型,并优化网络隐含层节点数,对比分析了三种方法的方均根误差、平均绝对误差和平均相对误差。利用工程案例验证了DBN预计方法的可行性和准确性。结果表明:DBN模型能够充分表征外挂在挂飞过程中振动与影响因素的非线性关系,整体预计效果优于线性回归和多项式回归,且预计平均相对误差在2.24 dB左右,误差减小50%以上。该方法能够为机载外挂振动环境的预计提供一种新的思路,支撑航空武器装备的环境适应性分析、设计与验证。     

基于鲁棒偏最小二乘法的涡扇发动机成本预测

采用的偏最小二乘法目的是解决数据量较小的问题,特别针对小样本数据缺失和多重共线性的问题。作者提出适用标准PLS算法,以鲁棒的协方差矩阵,用于涡扇发动机成本预测中的应用。结果表明,误差较小,能够满足实际涡扇发动机成本费用的估算。     

非等时距Verhulst修正模型及其在直升机故障率预测中的应用

直升机累计故障率曲线与Verhulst模型曲线相近。但是,Verhulst模型要求初始数据具有等距、呈“S”型特点,且其模型终值趋于灰色发展系数a／b,无法实现对直升机故障率准确预测。针对这一问题,提出非等时距Verhulst模型,并应用该模型进行直升机累计故障率预测。同时根据直升机累计故障率终值趋于1的特点,为模型增加了预测误差修正项。通过实例验证表明,非等时距Verhulst修正模型预测精度达到了94．1％,对中长期预测具有重要的意义。     

直升机旋翼积冰的数值模拟

为研究直升机旋翼桨叶积冰问题,通过对积冰形成机理和直升机飞行原理的分析,建立了基于CFD(Computational Fluid Dynamics)技术的直升机旋翼桨叶结冰预测的理论模型;采用欧拉法求解水滴控制方程,在经典Messinger模型的基础上提出了积冰表面质能平衡的改进模型;以UH-60型直升机和CH-47型直升机为样机,具体分析了积冰条件下直升机桨叶冰形预测的方法,为进一步研究直升机结冰后的飞行动力学问题及防除冰系统的设计奠定了基础,对提高直升机飞行安全性具有积极意义.     

高超声速尖锥边界层转捩数值模拟

边界层转捩对高超声速飞行器气动力和热产生重要影响.通过联立求解Favré平均层流脉动能方程与Favré平均Navier-Stokes方程,开展了高马赫数条件下尖锥边界层转捩位置的数值预测研究.将数值计算结果与可用的实验结果进行对比,结果表明增大单位Reynolds数可使转捩提前发生,攻角效应可使迎风面转捩延迟,背风面转捩提前.     

恒定应力无失效加速寿命试验可靠性分析方法

针对工程中缺少有效方法处理加速寿命试验中出现的无失效数据的情况,提出一种恒定应力水平下的无失效加速寿命试验可靠性分析方法.该方法首先将各个加速应力水平下的无失效寿命试验数据转换到正常应力水平,然后通过对正常应力水平下的无失效寿命数据进行分析,实现产品的可靠性评估与寿命预测.利用该方法对某型号卫星地球敏感器扰性枢轴的无失效加速寿命试验数据进行分析处理,结果表明该方法切实可行,能够充分利用各个加速应力水平下产品的无失效试验数据,较好地解决了产品进行无失效加速寿命试验的可靠性评估和寿命预测问题.      

CCF300/QY8911单向纤维增强复合材料纵向压缩性能预测

提出了一种单向纤维增强复合材料压缩性能的预测方法.该方法基于纤维增强复合材料压缩的微屈曲失效机理与纤维膝切失效机理,对CCF300/QY8911碳纤维增强复合材料单向层合板的纵向压缩性能展开研究.将纤维微屈曲失效与纤维膝切失效机理统一起来,提出一种基于两种失效机理的预测模型,很好地实现了CCF300/QY8911单向纤维增强复合材料压缩性能的预测.通过与试验数据进行比较表明:基于两种失效机理分析的CCF300/QY8911单向纤维复合材料压缩性能预测模型与试验数据符合较好,误差在5%以内.      

多终端在星上多频时分多址系统中的分配

由于卫星资源有限并且昂贵,多频时分多址(MF-TDMA)接入方式被广泛应用于现代宽带通信系统的上行链路设计中。时隙分配算法的有效性是高效利用MF-TDMA系统资源的保证。针对卫星系统的特性,提出了一种基于函数权值的卫星时隙的分配算法,通过最优化权值的方法,有效地提高了资源利用率。通过仿真分析了不同业务的时延性能和信道利用率,并且与几种典型的分配算法进行了比较。仿真结果表明,文中的分配算法能够有效地提高信道利用率,在终端数量较多时,优势更为明显。文中提出的新算法简单,计算时间短,能够有效地在卫星网络中实现。     

一种高精度GPS卫星钟差预报方法

为了获得实时高精度GPS钟差,提出了采用快速星历建模进行短期预报。文章先对钟差数据提取趋势项,再利用傅里叶分析研究其周期特征以确定建模与预报时间段长度,最后利用径向基函数(Radial Basis Function,RBF)神经网络建模实时预报钟差。由于RBF神经网络用于非线性数据建模效果良好,在提取线性趋势项并合理确定建模周期后,该方法能够得到较好的预报结果。实际预报结果表明,文中方法得到的预报钟差精度高于超快速星历,能够满足分米级实时精密定位的要求。     

基于灰色模型和ARIMA模型的钟差预测

由于多种因素的影响,原子钟运行情况十分复杂,为了有效地进行钟差预报和更好的反应原子钟的特性,提出一种基于灰色模型和ARIMA模型的组合模型来实现钟差的预报,并给出了灰色模型和ARIMA模型进行原子钟钟差预报的基本思想和预报模型。利用组合模型更精确地把握钟差序列复杂细致的变化规律,从而更好的逼近钟差序列。为了验证该组合模型的可行性和有效性,利用原子钟钟差数据进行钟差预报分析,结果显示该模型具有较好的预报精度。