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。     

小尺寸Schmidt-Boelter热流传感器的研制

为满足常规高超声速风洞试验的热流测量需求，研制了一种小尺寸Schmidt-Boelter热流传感器。建立了传感器仿真模型并基于该模型对其结构尺寸开展了优化设计。根据优化结果，制作了尺寸为Φ 3×10 mm的传感器样件。在弧光灯热流标定系统上进行了性能测试，试验结果表明:该传感器灵敏度系数大于30 μV·m2/kW，响应时间约50 ms。     

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用，其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标，基于复杂网络理论，应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型，详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系；通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱，基于节点介数的蓄意攻击效能最强；节点密度、信号辐射半径越小，VANET连通性越差，网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。      

拉扭疲劳试验机同步校准技术研究

介绍了一种新型力值、扭矩多分量传感器，在此传感器的基础上，研究力值、扭矩两参数同步校准技术，从而实现了对拉扭疲劳试验机的系统校准，解决了以往分参数校准存在不可靠性的难题，保证了拉扭疲劳试验机各参数整体系统的准确性。     

一种应用于超小型无人机的新型定高传感器

使用美国ICSENSOR公司的压阻硅式绝压传感器，对静压进行测量，并设计出适合超小型无人机使用的新型定高传感器，这种定高传感器具有灵敏度高，重量轻，单电源供电，板式结构。可靠性高，重复性好的特点，填补了应用于超小型无人机的定高传感器产品的空白。     

激光焊接传感器的实践

本文在分析激光焊接特点的基础上,重点阐述了钕玻璃脉冲激光焊接机焊接热电偶等传感器的实例,还介绍了有关工艺参数和适用的材料。     

正交多项式回归方法及在传感器校准与测量数据处理中应用探讨

结合传感器校准时可重复试验的特点,对正交多项式回归方法及其在传感器校准与测量数据处理中的应用,用叠代算法解决由传感器实测数据和校准多项式逆解被测物理量问题进行了探讨,并说明用此叠代法同样可适用于计算机适时转换和录取。