高压压气机可调静子叶片角度a2摆动故障诊断与分析

针对某型航空发动机高压压气机可调静子叶片角度a2摆动故障,以a2控制系统及其原理为基础,建立覆盖整个控制系 统的故障树,并且综合考虑各零部件发生故障的概率、维护排故工作的工作量及难易程度,制定合理有效的排故方案。结果表明： 故障原因为反馈钢索预紧力过紧。本次排故过程介绍的结构原理和总结的排故经验,对a2摆动故障诊断具有指导作用,对该型发 动机在外场使用维护过程中a2相关故障具有借鉴意义,为促进发动机快速成熟提供了技术支撑。     

基于动态变结构BP神经网络的目标威胁评估

针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型.该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性.仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计.     

基于ALO-SOM神经网络的航迹稳定分析

为了快速准确地分析稳定敌方航向并判断其攻击目标,提出了基于蚁狮优化算法(ALO)的自组织竞争(SOM)神经网络的航迹稳定分析方法。首先探究了航迹稳定分析的具体流程;然后提出并采用ALO-SOM神经网络提取航迹特征;最后,为了提高复杂线段拟合的准确性,采用分段线性拟合对特征进行处理,进而获取稳定的航向。仿真结果表明,ALO-SOM神经网络可以快速准确地提取航迹特征,SOM神经网络训练正常,分段线性拟合方法准确地获得了目标的稳定航向。     

基于IL-HMM的目标机动动作识别

针对隐马尔科夫模型(HMM)不能实时更新的问题,提出一种基于增量学习-隐马尔科夫模型(IL-HMM)的目标机动动作识别和预测方法,并构建了基于目标机动识别的意图威胁分析方法。HMM能够较好地处理时间序列问题,增量学习提供了一种解决数据更新的方法,将HMM与增量学习相结合,使得模型训练延伸至全过程,从而提高模型的识别率。空中目标三维运动是关于方向状态与动作状态的HMM过程,通过观测目标的方向状态,识别出当前动作状态,并进行轨迹预测,对目标的意图威胁进行分析。仿真试验表明了动作识别的准确性,同时通过对比传统HMM与IL-HMM识别的精度,验证了所提方法的可靠性。     

再生分频器中滤波器的研究

再生分频器以其优越的相位噪声性能 ,在频率合成中有着重要作用。滤波器是再生分频器的重要组成部分 ,分析了其相移对分频器稳定性和实现分频的重要作用 ,并以 2GHz再生分频器中滤波器的设计为基础 ,比较了 3种微带滤波器的性能 ,说明了再生分频器中滤波器设计要注意的问题和解决方法。     

基于改进BP神经网络的导弹攻击区计算

针对传统导弹攻击区计算方法和BP神经网络算法的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的导弹攻击区模型。该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性。仿真结果表明,与传统导弹攻击区计算方法和BP神经网络相比,动态变结构BP神经网络具有更好的计算能力和收敛速度,可以快速、准确地完成导弹攻击区计算。     

航空发动机喘振故障外场诊断与分析

为了完善航空发动喘振故障研究和加速发动机技术快速成熟，通过分析喘振原因及其影响因素，建立故障树,将喘振影 响因素分为调节机构、进气扰动、主机性能及主机结构4个模块。以故障树及4个模块为依据，并综合考虑零部件发生故障概率和 维护工作难易程度，提出一种喘振故障外场诊断方法，制定排故流程以及与4个模块相对应的排故子流程，将排故流程模块化。 诊断方法已应用于外场用户的使用维护中，通过该方法，可将喘振故障快速定位于4个模块中的1个，进而根据该模块及其排故子 流程进行故障排查及处理。结果表明：该方法有效可行，能够大幅提高喘振故障的排查效率，并大量节约了航空发动机在外场中 的使用维护成本。