基于民机维修文本数据的故障诊断方法

在民航检修与维护过程中积累了大量蕴含丰富故障特征的文本维修记录，然而由于维修文本本身存在复杂性，其还未实现智能诊断，数据利用率低。提出一种不断修正迭代的基于预训练语言模型双向转换器编码表示（BERT）及轻量级梯度提升机（LightGBM）的飞机维修记录的故障原因分析方法，求解文本形式的维修记录中的故障原因，用以辅助维修人员进行正确的维修决策。首先，在基于BERT的故障诊断模型Transformer特征提取架构中引入多头注意力机制，以充分捕捉融合上下文的双向语义、更加关注于重点词汇；其次，为了提高诊断速度减少模型的参数并融合LightGBM模型来实现维修文本的故障原因分类；最后，将改进的模型与其他常用文本分析模型进行对比实验，在基于民机维修文本的故障诊断中该模型的准确率比TextCNN模型、LSTM模型和BiLSTM模型分别提升了38.99%、22.98%和18.16%，且BERT-LightGBM模型比BERT模型诊断速度提升了0.91%。表明所提方法在实现飞机维修文本故障诊断方面的有效性及优越性。     

基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

针对长短期记忆（LSTM）网络对于多维数据特征识别和提取上存在不足的问题，在其改进模型嵌套式长短期记忆（NLSTM）网络的基础上，提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法。该方法将双层NLSTM网络代替残差块中的主网络，保留捷径连接中的卷积神经网络结构，既能充分提取时序特征又能保证有用数据在网络层中的跳层传递，并融入注意力机制构建多层残差网络，注意力机制的使用能够选择出对预测结果有重要影响的信息，有效提高预测的准确率。在航空发动机退化实验数据集上进行实验分析，结果表明：所述方法能有效建立监测数据与发动机健康状态之间的关系，剩余使用寿命预测误差较未改进残差结构方法平均降低10.8%，比未融入注意力机制方法平均降低18.9%，有效提高了预测精度。     

复杂内筋铝筒段旋压变形规律和再结晶组织演变数值仿真

流动旋压是一种先进的内筋薄壁筒段整体近净成形方法。本文运用数值仿真方法研究多级筋铝合金筒段热旋压过程中材料流变规律和组织演变特性。将内变量型2219铝合金本构模型嵌入ABAQUS仿真平台建立了准确反映宏观流变和微观晶粒演变的热旋压仿真模型，完成了具有多级特征的内筋筒段旋压成形规律分析。研究表明在减薄率为50%、温度为300℃的旋压参数下，随内筋宽度增加材料由“挤压”式转变为“塌陷”式填充内筋，筋槽内材料变形量下降，筋槽内材料晶粒大小不均匀性增加；窄筋在250℃下的晶粒尺寸明显小于其在350℃下的，而宽筋在250～350℃下的晶粒尺寸较为接近，成形温度对窄筋晶粒大小有明显影响，而对较宽内筋的影响有限。     

左行运动激波主导的管内流动特性研究

为了分析左行运动激波主导的管内流动特征，本文采用非定常数值仿真方法，对亚声速进口条件下等直管道内左行运动激波传播与演化特性、左行运动激波/边界层干扰特征开展研究。研究结果表明：在出口周期性强压力脉动干扰下管内存在连续的左行运动激波，该左行运动激波传播特征具有相似性，激波强度、传播速度按幂函数规律衰减。气流经过左行运动激波后总压、总温、静压阶跃式升高，随后受膨胀波影响气流总压、总温、静压下降；左行运动激波/边界层干扰诱发形成翼型回流区，该回流区随运动激波强度衰减逐渐减小。理论与数值分析表明存在左行运动激波后速度为零和运动激波两侧总压相等的两个临界状态。波前马赫数低于临界值或左行运动激波强度高于临界值时，左行运动激波后为倒流、波后总压高于波前。     

基于民航局PEPEC考核机制的航空英语教学创新研究

为提高中国民用航空飞行人员的综合英语水平,中国民用航空局(CAAC)开发研制了基于网络的PEPEC考试系统(中国民航飞行人员英语能力测试系统,即Pilot English Proficiency Examination of China)。以PEPEC考试为切入点,深入解读PEPEC考试对航空英语的反拨效应,不仅能有效提高航空英语教学的时效性,也将积极推动应用型飞行人才的培养。     

特征结构配置法在无人机控制系统中的应用

特征结构配置可通过分析系统的模态,得到系统特征结构与时域响应之间的关系,设计出结构简单、鲁棒性强的控制器。应用输出反馈特征结构配置设计了无人机控制律,仿真结果表明,无人机的纵向运动和横侧向运动具有较好的飞行动态性能,实现了无人机纵向通道和横侧向通道的内部解耦。     

基于特征建模的空间非合作目标姿态智能测量方法

为实现空间非合作目标姿态的测量，基于特征建模的思想，提出了一种根据目标激光点云数据进行高效处理的智能测姿态方法.首先，针对空间目标姿态测量的需求，寻找并实现能够高效表征目标姿态的点云数据特征.接着，应用神经网络的方法对目标点云姿态特征进行学习，通过建立合理的神经网络模型和训练数据，实现目标点云特征与姿态间非线性映射关系的建立.最后，利用目标点云仿真数据集，对方法的测量精度和测量实时性进行了评估.实验结果表明：利用特征建模的思想，提出并建立目标点云姿态协方差矩阵特征，实现了点云数据在表征目标姿态方面的信息高度压缩，为神经网络模型的轻量化设计和计算资源严重受限的在轨应用，提供了可行的智能化工程实现方案.     

基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。