基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

针对长短期记忆（LSTM）网络对于多维数据特征识别和提取上存在不足的问题，在其改进模型嵌套式长短期记忆（NLSTM）网络的基础上，提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法。该方法将双层NLSTM网络代替残差块中的主网络，保留捷径连接中的卷积神经网络结构，既能充分提取时序特征又能保证有用数据在网络层中的跳层传递，并融入注意力机制构建多层残差网络，注意力机制的使用能够选择出对预测结果有重要影响的信息，有效提高预测的准确率。在航空发动机退化实验数据集上进行实验分析，结果表明：所述方法能有效建立监测数据与发动机健康状态之间的关系，剩余使用寿命预测误差较未改进残差结构方法平均降低10.8%，比未融入注意力机制方法平均降低18.9%，有效提高了预测精度。     

固体废弃物热解产物的神经网络预测模型

本文采用3层BP神经网络建立了固体废弃物热解产物的产率和特性的预测模型。采用遗传BP算法来优化隐层节点数和学习速率η0与回归方法相比，其预测误差明显小于回归公式的预测误差。     

用霍尔特-温特斯模型预测航空运输总周转量

引入了霍尔特-温特斯模型对中国民用航空运输总周转量进行预测,首先介绍了该模型的具体预测步骤,然后采用面向对象的软件技术,设计并开发了预测模型软件。该预测模型软件不但可以根据用户设定的平滑系数进行预测,还可以自动计算出预测效果较优的平滑系数,最终对2006年各个月份的中国民用航空运输总周转量进行了较为精确的预测。     

基于BP神经网络的飞机完好率建模研究

飞机完好率是检验航空兵部队装备作战能力的重要参数.首先研究了飞机完好率的定义及其计算公式,然后建立了飞机完好率的BP神经网络预测模型,仿真结果验证了该模型的精确性和有效性.     

飞机空调系统频发故障模型构建及预测

利用时间序列算法,对飞机空调系统故障进行预测研究。该算法基于数据处理后集成到SAS系统中的飞机空调系统故障序列,利用SAS/ETS模块相应命令检验该序列为平稳非白噪声序列,在此基础上对有限多个模型进行相对最优化选择后构建自回归移动平均(ARMA)预测模型。最后,将该模型应用于某型飞机空调系统故障实证研究及短期预测中,分析结果表明,该方法在飞机空调系统故障短期预测中的效果良好。     

基于可靠性数据的航材备件需求预测方法

航材备件的需求预测已成为装备综合保障领域研究的难点.主要对各部件寿命分布类型进行归纳与总结,建立多数零件服从寿命分布类型的需求预测模型,并对军机执行任务这一特殊情况建立了战损备件预测模型.以可靠性数据为研究基础,对正态分布、指数分布、威布尔分布等备件进行分类分析,根据实际情况逐步精确备件保障概率的取值.计算结果表明,方法能给出合理的备件保障概率和备件需求预测结果.     

基于T-Scan的三维激光扫描系统测量误差分析

三维激光自动扫描系统可以快速获取零件表面信息,提高扫描系统的测量精度可以进一步提高系统性能。针对扫描精度问题,对扫描系统的测量误差进行了分析和评估,在试验中使用的扫描系统由机器人和商业三维激光扫描仪T-Scan组成,这种商业三维激光扫描仪的基本原理是激光三角法,测量误差受到扫描位姿的影响。将T-Scan的扫描位姿分解为扫描深度、俯仰角和偏转角,通过控制变量试验研究了扫描位姿对随机误差和系统误差的影响。试验结果显示,扫描结果的随机误差远小于系统误差,系统误差与扫描深度和俯仰角呈双线性关系。根据试验结果建立了系统误差的预测模型,通过模型预测的系统误差与实际试验结果的偏差最大为26μm,该预测模型是优化扫描轨迹从而提高测量精度的前提条件。     

基于马尔科夫链模型的脉动装配线运行状态预测

分析了影响脉动生产线运行的因素和状态预测的必要性,提出了基于马尔科夫链模型的状态预测方法。基于马尔科夫链预测理论,对脉动生产线运行状态划分,确定状态转移矩阵,建立马尔科夫预测模型,并对模型准确性进行验证。     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

基于灰色补偿反步法的机动指令跟踪控制

基于三自由度飞行动力学模型和运动学模型,提出了一种带有灰色补偿的反步(Back-stepping)控制方法,以实现某些预定的战术机动动作。首先,将飞行动力学模型和运动学模型分解成3个轴方向的相对简单的子系统;然后,针对3个子系统采用反步法分别设计出模型中没有干扰时的控制律,并采用GM(0,N)预测模型对不确定部分的模型参数进行辨识,进一步根据估计出的参数设计灰色补偿控制律;最后,根据3个子系统设计出的控制律解算出同时满足3个子系统渐进稳定的控制输入,这样使得整个系统渐进稳定。仿真结果表明,GM(0,N)预测模型能精确预测不确定模型参数,该算法能够高效实现预定的战术机动动作。