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。     

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用，其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标，基于复杂网络理论，应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型，详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系；通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱，基于节点介数的蓄意攻击效能最强；节点密度、信号辐射半径越小，VANET连通性越差，网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

不同壁温及差分格式下超燃冲压发动机的仿真

针对圆截面超燃冲压发动机相关实验进行数值仿真，采用了不同的壁面温度条件和差分格式，并探究其对仿真结果的影响规律。结果表明采用常用的绝热壁面边界条件会导致激波边界层交互位置处的回流区变大，进而导致流道收缩，壁面压力升高。采用高精度格式不仅不能更为精确地计算回流区的大小，反而会使回流区面积变得更大。通过改变壁面边界条件，采用300 K的等温壁面，可以使激波边界层交互位置处的回流区变得极小，使仿真结果与实验结果十分吻合。计算结果表明，针对当前构型与实验条件，盲目提高数值格式的精度并不一定会得到更好的结果，相反可能会使仿真与实验更加偏离，而适当修改壁面温度条件，即使数值格式精度较低，仍然可以得到很好的仿真结果。最后，针对与实验结果吻合的仿真结果，分析了圆截面超燃冲压发动机的流场特性，重点研究了凹腔剪切层及其质量交换特性。     

含间隙非线性二元翼段的系统辨识

在实际包含间隙非线性的复杂结构中，由于间隙不易或无法测量，难以建立准确描述结构特性的动力学模型；即使间隙得到准确测量，也难以获得结构的标称线性系统的模态参数。为此，利用条件逆谱法和时域非线性子空间法，通过非线性系统辨识获得间隙非线性系数，同时获得非线性结构的标称线性系统的频响函数。以一个包含间隙非线性的二元翼段为例，通过数值方法模拟该二元翼段的地面振动试验，利用条件逆谱法和时域非线性子空间法开展该结构的非线性系统辨识。结果表明:两种方法均可准确地辨识结构的标称线性系统，条件逆谱法利用光滑函数近似，时域非线性子空间法利用多个分段线性函数重构，辨识得到间隙非线性系数。      

卫星时钟信号功分网络对锁相环电路干扰分析

在多颗卫星测试中,连接在功分网络上的设备在各自加断电的瞬间,会造成锁相环电路输入信号的相位瞬时变化,引发锁相环电路的相位跟踪,导致瞬时失锁。文章通过理论推导和公式仿真,明确了产生干扰的各设备时钟信号入口的反射系数和功分网络各输出端口的隔离度是影响干扰强弱的主要因素。提出了使各设备时钟信号入口的驻波不相等,且反射系数相位趋于同相,同时提高网络各输出端口的隔离度的消除干扰方法,并通过设备的系统联试进行了验证。结果表明:此方法可以有效抑制此类干扰,可为卫星时钟信号功分网络设计提供参考。     

飞机液压系统柱塞泵热分析

随着飞机液压系统向高压化、大功率化方向发展，液压系统的发热及温升问题受到了广泛关注。柱塞泵作为液压系统中重要的能量转换装置，对液压系统的功率损失和温度有重大的影响，良好的柱塞泵的热分析对液压系统的热设计和温度控制有重要的意义。然而传统的柱塞泵热分析方法，如平均油温法、软件仿真法和热节点网络法，因不够准确、高效和简洁而不能满足现代飞机液压系统热分析和热设计的相关需求。本文针对飞机液压系统柱塞泵发热的相关问题，采用基于集总参数的热网络分析方法，建立了柱塞泵热网络模型，通过对柱塞泵不同工况下的仿真，验证了模型的有效性和准确性，为柱塞泵及液压系统的热分析提供了参考。     

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。      

基于资源扩展活动图的并发测试用例生成方法

对UML(统一建模语言)活动图进行共享资源的属性扩展,利用扩展的活动图对并发系统间任务的同步及数据的竞争关系建模,充分考虑并发软件运行原理、故障模式及测试效率,提出并发系统的测试覆盖原则及基于扩展活动图的并发测试用例生成方法。进一步通过举例验证该方法能够正确的生成并发测试用例同时又可防止用例数量爆炸,提高了并发软件测试的可靠性及效率。     

基于不确定传感器状态的机载系统多层故障诊断方法

准确的机载系统故障诊断是保证飞机安全飞行和实现经济效益最大化的重要途径。然而传感器受到内外部环境条件的影响而不可避免的存在检测状态的不确定性，因此基于单个传感器或局部区域传感器综合检测结果的方法难以完全保证故障诊断的有效性和正确性。针对飞机机载系统的结构和工作原理，充分利用系统中不同层级、不同区域传感器检测特征之间的关联关系，考虑单个传感器本身存在的不确定性，构建了传感器信息前向融合与反向校验相结合的分层诊断决策方法，实现了对系统状态和传感器状态的双重估计与更新，克服了单一传感器故障对系统诊断推理准确度的影响。该方法较传统故障诊断模型，不再依赖某一个或某一类传感器信息的绝对可靠，在实现系统级的准确故障诊断同时，还能判断具体某一传感器本身是否发生虚拟警。在飞机液压系统故障诊断案例中，新方法成功将系统故障诊断的虚警率降低了96%，传感器的不确定度降低了84%。