基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段；其次, 应用UKF对融合的时变参数进行滤波处理；最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。      

基于三层模型的机器学习建模工具设计与实现

机器学习和数据挖掘任务作为一种解决模糊规划和凸优化问题的实际工程技术,近年来依托互联网、大数据等领域的发展逐渐为人们所熟知.针对现行机器学习软件系统所存在的问题,提出一种三层式的加壳软件模型的建模的的方法,并以此实现了一个轻量化的通用机器学习建模平台.     

石墨烯基光热除冰表面的激光制备（英文）

重要设备，如飞机机翼、风力涡轮机、太阳能电池板等结冰会引起空气动力学形状变化和重要部件变形，严重威胁运行安全。然而，制造柔性、共形的光热除冰表面仍然具有挑战性。本文采用激光直写技术，设计并制备了多孔疏水的激光诱导石墨烯（Laser induced grapheme, LIG）基光热抗霜除冰表面。采用激光照射聚酰亚胺（Polyimide, PI）薄膜制备LIG薄膜。激光照射后，LIG薄膜呈现多孔结构和高C/O比。由于多孔结构和高C/O比的存在，LIG膜具有疏水性（CA,～123.2°）、高吸收率和良好的光热转化率，因此，LIG薄膜具有光热抗霜除冰能力。本文工作显示了开发柔性、共形的光热抗霜/除冰表面的巨大潜力。