民用航空发动机单元体送修工作范围决策

为了对航空发动机单元体送修工作范围的制定提供决策支持,实现决策的自动化和智能化,在分析航空发动机送修目标的基础上,提出了一种面向目标的单元体送修工作范围决策方法,从时寿件、适航指令/服务通告、硬件损伤、软时限、排气温度裕度五个方面分两步进行单元体送修工作范围的制定.针对决策过程中单元体性能恢复分配存在的难点,建立了以成本最小为目标的优化模型,分别采用动态规划和启发式算法对模型进行了求解,通过对求解结果的比较,给出了两种算法的适用环境.最后将提出的决策方法应用于一个原型系统,在某个航空公司的试用表明了提出的决策方法是有效的,能够满足航空公司的需求.      

阵元位置误差影响下的一维噪声子空间算法

首先对一维噪声子空间算法进行了分析与仿真,然后重点讨论了阵元位置误差对该算法测向性能的影响。推导出了阵元位置误差影响下的空间谱计算公式,得到了有用结论。     

GPS／INS制导系统中自适应天线阵列的干扰研究

目前GPS/INS制导已成为精确制导武器的核心.根据组合制导系统中自适应天线的特点,通过对微带自适应天线阵列的抗干扰性分析,着重研究了对GPS/INS组合制导系统中自适应天线阵列的分布式干扰.通过实验结果得出:要提高干扰效果,需要增加分布式干扰机数目、增大干扰机的运动速度和集中投放干扰源.     

基于过程神经网络的航空发动机排气温度预测

从泛函分析的角度出发,将航空发动机排气温度预测问题转换为一种泛函逼近问题.利用过程神经网络对任意连续泛函的逼近能力,提出了一种基于过程神经网络的航空发动机排气温度预测方法.为克服过程神经网络学习速度慢的问题,为其开发了一种基于正交基函数展开的Levenberg-Marquardt学习算法.将所提出的预测方法应用到某型航空发动机的排气温度预测中,取得了满意的结果.      

一种通用神经网络模型及其应用研究

提出了一种新型模拟生物神经网络的性能特征通用人工神经网络模型。该模型含有跨层连接和反馈连接,在这些连接上设有选择性开关,能够控制网络模型做出相应的变换。并给出了相应的学习算法。     

卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用

 针对航空发动机排气温度的变化过程受复杂非线性时变因素的影响而难以用精确数学模型描述的问题,提出了卷积和离散过程神经网络(CSDPNN)模型,并将其应用于航空发动机排气温度(EGT)预测。该模型以离散样本作为直接输入,采用卷积和算法实现对时间累积效应的处理。相较于以连续函数作为输入的过程神经网络(PNN),不需要拟合离散样本得到连续函数后进行正交基展开,减少了精度损失,具有更高的预测精度。给出了卷积和离散过程神经网络模型的学习算法,并通过对Mackey-Glass混沌时间序列的预测对提出的方法进行应用说明和验证。通过航空发动机EGT预测实例,并与卷积和离散过程神经网络模型的连续函数输入过程神经网格以及传统人工神经网络(ANN)的预测结果进行了对比。结果表明,相较于连续函数输入过程神经网络以及传统人工神经网络,卷积和离散过程神经网络具有更高的预测精度,且对于EGT的预测具有较好的适应性,因而为航空发动机EGT预测提供了一种有效的方法。     

基于多Agent的航空机群保障仿真评估分析

航空机群保障涉及要素广、策略多、交互性强，仿真分析方法是开展飞机保障决策与评估研究的热点和难点。提出一种机群保障仿真评估方法，建立多智能体(Agent)功能类型与交互关系模型；对多Agent结构进行定义，并建立模型；以五型飞机构成的航空机群为仿真对象，以任务成功率为保障指标进行案例验证与仿真计算分析。结果表明：各型飞机平均故障间隔时间（MTBF）、设备故障平均修复时间（MTTR）对任务成功率的影响总体趋势相似，随着MTBF的增加任务成功率提升，随着MTTR的增加任务成功率降低。所提方法能够为航空机群维修保障智能决策提供一种可行、有效的方法手段，支撑基于模型的智能决策优化实现。     

基于不确定性的航空装备体系保障性评估

针对航空装备体系结构复杂、要素繁多、耦合性强的特点，对其保障流程进行了研究。采用多Agent建模技术开展航空装备体系保障性仿真建模，并进行分析评估；考虑到保障过程中大量存在的主客观不确定性因素，分别采用模糊变量和随机分布2种变量形式予以描述；为符合客观变量动态时变的特点，将基于交叉熵的最大似然估计和哈密顿蒙特卡罗方法相结合，实现基于信息更新的仿真参数描述，优化航空装备体系保障仿真模型。以一个典型战训任务为例，验证了所提方法的可行性和准确性。      

基于过程神经网络的热平衡温度预测研究

为缩短航天器热平衡试验周期，以降低航天器研制成本，提出了一种基于过程神经网络的热平衡温度预测模型。为简化该模型的学习过程，提出了一种基于正交基函数展开的基本学习算法，利用基函数的正交性不仅可以简化模型中的时间累积运算过程，而且能提高模型对解决实际问题的适应性。同时，为增强模型的外推预测能力，在基本学习算法的基础上给出了一种基于新增样本的学习算法，使模型既能对新增样本进行快速学习又不损失对原有样本的记忆。实际应用表明，该预测模型能够利用某型号卫星热平衡试验中某监测点进入稳定工况后40小时内的试验数据提前42．5—68小时获得该监测点的极限热平衡温度。     

基于对传过程神经网络的航空发动机转子仿真故障诊断研究

为更好地解决动态模式识别及故障诊断问题,将过程神经元引入传统对传神经网络的竞争层,提出一种对传过程神经网络模型。并将所提出的网络模型及其学习算法用于航空发动机转子仿真故障诊断中,并得到了满意的结果。