深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。     

基于短暂丢失参考信号预测的无人直升机轨迹跟踪控制

考虑地面目标参考信号短暂丢失与外部干扰等影响,研究无人直升机 （Unmanned aerial helicopter,UAH） 空地轨迹跟踪控制问题。首先,将短时丢失的参考轨迹进行分解, 并将其建模成平稳信号与非平稳信号两部分。然后,利用差分整合移动平均自回归 （Auto-regressive integrated moving average,ARIMA）模型预测平稳信号,并借助马尔可夫分析法对非平稳信号进行预测。其次,结合预测信息和跟踪误差信号,分别对UAH横纵向子系统和垂直子系统设计滑模控制器,以有效提升跟踪效率并减小外界干扰对跟踪性能的影响,并改进控制算法以减小由滑模导致的抖振现象。最后,利用仿真结果说明本文控制算法有效性与优越性.     

某型发动机亚热带岛礁气候下的可靠性分析与保障

针对某型航空发动机及其备件驻岛礁保障数量决策困难问题,在分析发动机于亚热带气候条件下使用的可靠性基础上提出保障率概念,运用量子粒子群优化求解方法,在重点关注发动机备件重要性、可维修能力、故障程度等因素前提下,结合发动机2级维修保障体制,给出了发动机及其备件基地级保障和不同驻岛时间内的携行保障策略,为实现飞机驻岛礁的发动机常态化优化保障提供参考。     

熵判别粒子群优化算法在发动机模型修正中的应用

因生产、安装工艺差别导致单台发动机部件特性的差异,使得模型计算结果与单台发动机的性能差异较大,提出了一种基于熵判别粒子群优化算法.通过判别粒子群的熵值,调整种群的多样性,对适应度差的粒子进行迁移,克服了易陷入局部极小点的缺陷.从仿真结果可知:基于熵判别粒子群优化算法的修正效果显然优于影响系数矩阵的修正方法.经验证,模型修正后的低压涡轮出口温度等8个目标性能参数的误差在1%以内,达到较好的修正效果,使单台发动机模型能够与真实发动机进行匹配.      

固体火箭发动机装药缺陷失效判定研究的发展和展望

阐述了近年来固体火箭发动机装药缺陷失效判定研究的一些进展,目前世界各国还未发现统一而完善的缺陷失效判定方法。根据最近相关领域新技术的出现与军事斗争的需要,展望了这一研究领域未来的发展趋势。     

应用深度核极限学习机的航空发动机部件故障诊断

运用传统单隐层的神经网络进行航空发动机部件故障诊断识别受其浅层结构影响,精度不高,而用深度置信网络(Deep belief network,DBN)等深度学习方法则存在耗时、参数训练复杂的问题。为解决现有的基于数据驱动的发动机部件故障诊断方法的不足,提高诊断精度,缩短训练时间,将核方法和多层极限学习机(Multilayer extreme learning machine,M-ELM)相结合,提出一种深度核极限学习机(Deep kernel extreme learning machine,DK-ELM)。算法首先利用深度网络结构对输入数据进行逐层的特征提取,抽象得到的特征通过核函数实现高维空间映射分类。这些措施有利于提高算法的分类精度和泛化性能,在训练速度上较深度学习也有明显的提高。将该算法与深度学习和其他极限学习机算法进行综合比较研究,结果表明:基于DK-ELM的诊断方法有效、可靠,便于实现,为航空发动机部件故障诊断提供一个更为优秀实用的工具。     

自适应核模式分析方法及其在航空发动机部件性能衰退识别中的应用

针对测量数据因其部件之间的耦合不能有效识别各个部件性能衰退程度的问题,提出一种基于性能修正因子核模式分析的发动机部件性能衰退识别方法,并能与传感器测量偏差区分开。首先将传感器测量数据输入到自适应模型中去,产生一组用于识别部件性能衰退的修正因子。将修正因子参考模式通过核模式映射到高维特征空间中去,在此可分(基本可分)空间中完成识别。考虑到修正因子参考模式在高维空间中映射的像呈带状分布,几何距离不能有效识别,基于此采用神经网络方法对模式进行识别。识别成功率达到94.34%。进一步分析了特征约简的输入维数对识别效果的影响以及所提方法的泛化能力。考查了噪声对模式识别的影响,得到幅值3%以内的噪声对识别结果无明显影响。证明了“自适应模型+核模式分析+神经网络”识别方法是可行的。      

热气机活塞十字头摩擦学与动力学的耦合分析

为了研究热气机活塞十字头结构摩擦学及动力学特性,本文在三维形貌测量的基础上进行连接副的接触分析得到了其连接副摩擦学特性,建立了耦合摩擦学特性的热气机活塞组动力学模型,对比分析了计算结果与实测值,结果表明：热气机不同工况下其主密封摩擦功耗的计算值与试验值的误差不超过10%,验证了摩擦学计算和建模方法的正确性;当二阶运动较为柔和时,随十字头横向运动的挤压油膜在其对应推力面产生梯度均匀的压力分布,而剧烈的二阶运动造成十字头边缘与缸套碰撞产生局部高达30 MPa的油膜总压;活塞十字头产生了远大于导引环、杆密封的侧推力,杆密封结构因属接触式密封而产生近600 W的摩擦功耗,远大于十字头和导引环的摩擦功耗;因处于气膜润滑状态,导引环产生的侧推力和摩擦功耗较小,计算时可忽略不计;侧推力中的较高频率分量源于十字头与缸套间的摩擦学特性,在热气机动力学求解中应考虑摩擦学的影响,以提高其求解精度。     

基于最大后验概率的SAR图像自适应超分辨率盲重建

提出了一种SAR图像自适应超分
辨率(SR)盲重建算法。首先给出了一种图像退化过程中 模糊核函数的选择策略;然后基于最大后验概率提出了新的SAR图像配准与SR盲重建的框架 ;再次,针对每一幅低分辨率图像引入了重要性权值并随之给出了迭代算法的总体框架,使 得算法具有自适应性。试验表明,算法在SAR图像SR重建上取得了良好的效果,并且具 有较好的收敛性。
     

旋转导弹Gurney襟翼尾翼气动特性研究

对某旋转导弹加装Gurney襟翼的尾翼气动特性进行了研究。基于该导弹气动外形,将产生滚转力矩的斜置尾翼改为加装Gurney襟翼的平置尾翼。建立了计算模型,不同外形、马赫数和攻角条件下的数值计算表明:增加Gurney襟翼的尾翼增加了导弹的滚转力矩,同时也增大了阻力,降低了升阻比。合理选择Gurney襟翼的偏折展弦长和偏折角度,可在保证升阻比和全弹压心变化不大的条件下,改善导弹亚跨段转速特性。风洞试验结果验证了数值计算结果的正确性。