基于深度学习的辅助动力装置性能参数预测方法研究

针对传统机器学习的辅助动力装置(Auxiliary Power Unit, APU)性能参数预测方法不能充分利用参数数据间的时序性和非线性问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)-长短期记忆(Long Short-Term Memory, LSTM)-注意力(Attention)的APU性能参数预测方法。首先,引入一维CNN,通过预处理的参数数据得到不同属性的抽象特征。然后,使用LSTM神经网络对这些特征进行记忆,并结合可以对特征状态赋予不同权重的Attention机制来实现参数预测。使用某型APU的参数数据预测未来不同步长的排气温度(Exhaust Gas Temperature, EGT)。实验结果表明,对于单步EGT的预测,CNN-LSTM-Attention模型在平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)指标上比CNN-LSTM、LSTM和简单循环神经网络(Simple Recurrent Neural Network, Simple RNN)模型分别降低了15.2%、32.5%、60.3%,在均方根误差(Root Mean Square Error, RMSE)指标上分别降低了7.3%、11.6%、32.9%。同时它在多步EGT的预测中具有较高的预测精度,证明了该方法的有效性,为短期APU性能变化趋势预测提供一定的参考。     

一种基于平均流场的翼型尾缘宽频噪声预测方法

发展了一种基于平均流场的翼型尾缘宽频噪声预测方法.可压缩Navier-Stokes方程被重组为能描述气动噪声产生和传播的形式,包括准确描述声传播的线性算子和雷诺应力构成的声源项.为减少计算时间和避免格林函数空间奇异性,采用伴随格林函数方法求解格林函数;同时采用基于平均流场的声源模化方法生成声源项.为了验证该方法,预测了NACA0012翼型尾缘宽频噪声,其中平均流场使用OpenFOAM计算,格林函数采用均匀流动下半无限大平板近似.预测结果表明:对于不同来流速度和攻角,该方法不仅能准确预测噪声幅值及峰值频率,而且噪声频谱也都在实验结果的误差范围之内(±3dB),证明了该预测方法的精度和适用性.      

区域管制空域航班延误实时预测模型

目前航班延误是航空运输业亟待解决的问题之一,建立有效的预测模型实现较准确的实时延误预测,对管制员解决空中交通拥挤、减少航班延误意义重大.基于航班计划,建立区域管制空域内单航路的平均延误时间实时预测模型,通过求和可得到空域内多航路的延误预测模型.算例分析表明,模型能够实时预测区域管制空域平均延误时间,是可行有效的.     

S截面框肋类钣金零件回弹量预测与补偿技术研究及应用

根据框肋类钣金零件高效、精确成形的要求,发展了一种S形截面类框肋零件回弹量计算与补偿方法,针对变曲率弯边,通过离散为弯边截面单元,计算每个截面线弯边单元的回弹量和补偿后重构弯边面,对带加强边的内缘弯边,提出考虑修正系数进行补偿的方法,基于现有的CAD平台开发了相应的软件工具;以实际零件为例说明了该方法的应用过程.成形工件测量结果表明,零件弯边角度偏差控制在±1 °之内,实现了在新淬火状态下一步精确成形.     

民用飞机PIO工程预测准则及试飞方法研究

驾驶员诱发振荡(PIO)是备受关注的适航安全性问题之一.以某民用飞机为研究对象,设计阶段通过工程预测准则计算分析其Ⅰ类、Ⅱ类PIO趋势,适航验证阶段参考AC25-7A给出民用飞机的PIO试飞方法与评价标准.通过试飞验证的飞行数据,结合飞行员评价,表明该民用飞机在试飞期间不存在PIO趋势,满足CCAR25规章要求,且试飞结果与理论预测结果一致.     

航空发动机CCAR33-R2.75条款适航符合性验证方法研究

针对航空发动机适航取证的安全性需求,对航空发动机CCAR33-R2.75适航条款进行了解读与分析,明确了该条款的验证要求和方法.将功能危险分析法、故障树分析法和故障模式与影响分析法运用到该验证方法中,并提出了航空发动机CCAR33-R2.75条款适航符合性验证的流程.最后对某型航空发动机进行实例分析,验证了发动机不可控火情对CCAR33-R2.75条款的符合性.该安全性验证方法能够为航空发动机CCAR33-R2.75条款适航符合性验证提供支持.     

直升机空中共振安全边界预报与验证

简略介绍了直升机空中共振建模思路,通过算例计算研究了确定直升机空中共振安全边界的分析技术,讨论了空中共振飞行试验验证方法.为更准确地预计空中共振安全边界,提出了需要进一步研究的内容和考虑的因素.最后,展望了空中共振分析方法的发展方向.     

基于组合优化相关向量机的航空发动机性能参数概率预测方法

针对航空发动机性能参数预测过程中存在的不确定因素,提出一种基于组合优化相关向量机(CORVM)的概率预测方法.首先,通过正交小波变换将性能参数序列分解为具有不同特征尺度的随机分量和趋势分量,并分别建立各分量的相关向量机(RVM)回归预测模型.然后,以留一交叉验证误差最小作为优化目标,采用量子粒子群优化(QPSO)算法实现RVM核参数和嵌入维数的自适应优化选择.最后,组合各RVM回归预测模型得到最终预测均值及方差,进而得到预测值的概率分布.通过航空发动机排气温度变化量和滑油金属含量预测实例验证了方法的有效性,实验结果表明:该方法能够有效避免传统点预测方法可能导致的不可靠结果,并具有比单一模型更高的预测精度.     

A satellite schedulability prediction algorithm for EO SPS

With notably few exceptions, the existing satellite mission operations cannot provide the ability of schedulability prediction, including the latest satellite planning service (SPS) standard-Sensor Planning Service Interface Standard 2.0 Earth Observation Satellite Tasking Extension (EO SPS) approved by Open Geospatial Consortium (OGC). The requestor can do nothing but waiting for the results of time consuming batch scheduling. It is often too late to adjust the request when receiving scheduling failures. A supervised learning algorithm based on robust decision tree and bagging support vector machine (Bagging SVM) is proposed to solve the problem above. The Bagging SVM is applied to improve the accuracy of classification and robust decision tree is utilized to reduce the error mean and error variation. The simulations and analysis show that a prediction action can be accomplished in near real-time with high accuracy. This means the decision makers can maximize the probability of successful scheduling through changing request parameters or take action to accommodate the scheduling failures in time.     

一种基于飞行任务的临近空间短距滑翔飞行器弹道预示方法

针对临近空间短距滑翔飞行器机动模式多变、弹道参数变化剧烈等特点,本文设计了一种基于变结构交互式多模型滤波的轨迹预测方法。该方法基于飞行任务结合自适应网格构建时变的机动模型集,解决机动模式多变的问题。通过引入渐消因子、修正Markov概率转移矩阵,提出一种变结构交互式多模型方法辨识机动模型特征参数。最后通过更新机动模型中的控制参量,实现数值积分条件下的轨迹预测。仿真结果表明,该方法对典型机动模式下的短距滑翔飞行器,具有高精度和强鲁棒的轨迹跟踪能力并且在轨迹预示过程中具有较强的收敛性,因此具有一定的理论意义和工程应用价值。