RAM的故障模型及自测试算法

通过对ＲＡＭ故障情况的全面、深入分析，建立了ＲＡＭ的功能故障模型。并在此基础上，提出一种全面、实用的故障自测试算法。该算法分三步完成测试：（１）测试ＲＡＭ中的固定为１（０）故障、固定开路故障、状态转换故障、数据保持故障及第一类耦合故障中的不相关耦合等故障；（２）测试第一类耦合故障中的相关耦合故障；（３）测试第二类耦合故障。对ＲＡＭ的故障注入试验验证了该算法的有效性。并将此算法应用于航空电子模拟器的ＢＩＴ（Ｂｕｉｌｔｉｎｔｅｓｔ）的设计中。     

全包线内航空发动机参数估计的神经网络实现

介绍一种特殊的前向神经网络——自联想神经网络（Ａｕｔｏａｓｓｏｃｉａｔｉｖｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋｓ，ＡＡＮＮ），然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来，开展了将ＡＡＮＮ应用于发动机全包线、大范围工况下参数估计的仿真研究。本文提出的选取测量矢量加入样本集的ＥＭＰ方法，有效地减少了样本集中样本矢量的数目，简化了网络的训练。用ＥＭＰ方法在全包线内仅用７４６组测量矢量作为样本集，在网络训练好后，任选包线内的一工况点作为算例运行发动机模型，所得各参数的稳态估计及动态估计的平均百分比误差＜０．５％。仿真结果表明，上述的参数估值方法是可行的，为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础。