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。     

基于时空轨迹信息的目标行为模式在线分类方法

在预警监视领域，及时地预测目标行为模式对于态势认知至关重要。首先，针对当前大多数目标行为分类器实时性不强、对离群轨迹不敏感等问题，提出了带有离群检测的归纳式一致性多类预测器（ICMP）。其次，针对目标行为分类算法仅考虑目标的空间位置信息，而忽略航向和速度信息的问题，基于轨迹的时间和空间2个维度的信息提出了时空Hausdorff距离（STHD），从而可以有效区分空间位置相似但运动速度和方向不同的行为。然后，基于定向时空Hausdorff距离和K最近邻思想构造了定向时空Hausdorff最近邻不一致性度量函数（DSHNN-NCM）；在此基础上，提出了带有离群检测的序贯时空Hausdorff最近邻归纳式一致性多类预测器（SSHNN-ICMP），能够在预警监视场景下对目标频繁出现的行为进行在线学习和分类。最后，分别在仿真军事场景和真实民用场景中进行实验分析，结果表明本文算法具备较好的准确性和实时性，在预警监视任务中有良好的应用前景。     

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

单级轴流压气机纯音噪声实验与数值分析

为了探索转/静干涉纯音噪声与静子前缘上洗速度之间的对应关系，使用已发展的风扇纯音噪声混合预测方法对一台单级、低速压气机实验台（TA36）节流过程中的转/静干涉纯音噪声进行了预测，并与实验结果进行了对比验证。为了准确获取作为转/静干涉纯音噪声声源的静子叶片表面非定常压力脉动，首先比较了不同计算网格与时间步长设置对叶片表面非定常压力脉动计算的影响。随后，比较了静子叶片来流上洗速度和纯音噪声随质量流量的变化规律。研究表明：设计转速下，静子前缘70%、80%以及90%叶高的3阶叶片通过频率处的上洗速度幅值随质量流量的变化规律与混合预测方法估计的进气管道壁面声压级的变化趋势一致，并且与实验测量值的变化规律也保持了良好的一致性。此外，管道外远场声压级指向性的结果也表明：该实验台远场声辐射具有明显的指向性，并且不会随着节流过程产生明显的变化。     

高超声速伸缩式变形飞行器再入制导方法

针对高超声速变形飞行器再入制导问题，提出了一种采用伸缩式机翼的高超声速变形飞行器外形方案，建立了含有展长变形量的气动模型和动力学模型。将该变形飞行器的展长变形量扩展为控制变量，分析了倾侧角、展长变形量和终端航程、高度之间的关系。在此基础上，利用倾侧角和展长变形量在线预测剩余航程和终端高度，通过数值方法校正2个控制量以满足航程约束和高度约束，通过航向角走廊确定倾侧角符号。仿真结果表明:该变形飞行器再入制导方法制导精度高，相比于传统固定外形飞行器终端约束能力更强、轨迹更加平滑，且在扰动条件下具有一定鲁棒性。      

空客A320系列飞机主起落架安全活门(49GA)预防性维修方案制定与专用设备研发

本文针对空客A320系列飞机主起落架系统常发故障之一进行了可靠性分析,对其中重要部件制定了预防性维修方案,并介绍了自主研发的专用测试设备。     

大数据分析在A320液压系统预测性维修中的研究与应用

液压系统是A320飞机的重要系统,通过采取预测性维修方式,借助EMS软件对WQAR数据进行大数据分析归纳总结,找出系统工作规律,确认系统参数正常性能范围,将之运用于系统监控,对监控发现的性能退化的飞机系统提前采取维护措施,使之恢复到合理的范围,避免飞机带"病"执行航班至系统彻底失效而影响到航班安全性。预测性维修大大降低了系统故障、完全失效的发生概率,有效保障航班的安全。     

基于知识图谱和自动机器学习的软件缺陷预测

不稳定和召回率低效的软件缺陷预测模型难以在行业领域应用，为解决稳定和高效各项性能评价指标的软件缺陷预测模型在工程实践应用的问题，提出了一种基于知识图谱和自动化机器学习的软件缺陷预测方法AutoKGGAS，首先获取软件缺陷预测模型数据，对知识建模、知识获取、知识融合、知识储存与知识计算等知识图谱构建技术研究，实现知识图谱推荐优质软件缺陷预测模型作为自动化搜索的热启动输入条件，根据不同的软件缺陷预测评价指标，优化不同最佳的模型结构.其次实证研究采用NASA开源数据集实验对象和六种性能评价指标，实验结果表明， AutoKGGAS自动化软件缺陷预测模型在不同数据集不同评价指标方面，性能优于知识图谱推荐的传统经典软件缺陷预测模型.自动化软件缺陷预测模型为航天软件缺陷预测辅助代码审查测试提供了原型，在工程实践应用方面具有重要的意义.     

民用飞机维修类技术出版物符合性验证方法

通过分析民用飞机维修类技术出版物内容的特点，确定技术出版物适航验证要求。提出维修类技术出版物符合性验证方法、流程和管理要求。利用模糊综合评判方法进行定量评估，解决了民用飞机适航认证维修类技术出版物符合性验证无据可依的问题。