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。     

一种电离层TEC格点预测模型

基于分析时间序列数据的门限控制单元（GRU）神经网络模型，利用电离层TEC网格点历史数据、太阳活动指数、地磁活动指数作为预测因子，提出一种高精度电离层TEC格点预测模型.对全球60个网格点的数据进行了模型预测和对比实验，得到北半球平均相对精度的均值为83.96%，高于南半球的73.60%，表明预测模型在北半球的适应性更好，且中低纬地区的适应性优于高纬地区；预测模型在磁扰动期的平均相对精度的均值比磁平静期平均相对精度的均值高，约1.95%；与基于递归神经网络（RNN）、长短时记忆网络（LSTM）和双向长短时记忆网络（Bi-LSTM）的电离层TEC单站预测模型相比，本文预测模型的均方根误差（RMSE）平均为原来的80.8%.      

流动阻力及能量损失对注射成型制件的影响

本文分析了在塑料熔体充满型腔的过程中，流动阻力及能量损失产生的形式和物理原因，进而讨论了对塑料制件成型及凝固过程中的影响。并提出降低影响的措施。     

空间材料质量损失和易挥发可凝物长期预测方法

文章从基本理论及相应试验两方面详细介绍了欧洲 ESA 空间研究技术中心(ESTEC)材料部建立的空间材料质量损失和易挥发可凝物长期预测的方法,并确认此种预测方法具有极高准确度。     

齿轮抗弯曲疲劳可靠度预测的方法

把齿轮弯曲疲劳失效处理成随机事件，以这个随机事件为研究对象，用齿轮抗弯曲疲劳的累积损伤强度ＫＷ和总疲劳损伤量ＤＷ来描述弯曲疲劳失效随机事件，得出用概率描述的弯曲疲劳的疲劳累积损伤模型。用这个计算模型，提出齿轮抗弯曲疲劳可靠度预测的方法。     

介质粘性对椭圆齿轮流量计性能影响的研究

本文根据粘性流体力学原理和转子动力学理论,分析了椭圆齿轮流量计的缝隙漏流和转子受力状况,建立了能预测介质粘性对流量计误差特性和压力损失影响的理论模型。数值计算表明,理论值与实验数据基本吻合。     

一个考虑三元效应的轴流压气机混合损失模型的研究

对现有几种端壁损失模型进行取长补短的综合，提出了一种“混合方法”，这种方法能同时较好地估算端壁损失值及其沿径向的分布规律，减少了目前损失计算中对端壁损失分布考虑的任意性，对于今后的损失及其模型的研究、计算有一定的参考价值。     

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。     

燃气发生器中注入水蒸汽对燃烧效率和总压损失的影响

试验是在一个 WZ- 5燃气发生器上进行的 ,燃料用低热值气态燃料 (体积热值为 8172 k J/N· m3) ;水蒸汽可由燃烧室前部或从后部掺混孔处注入。试验结果表明 ,水蒸汽注入对燃烧效率影响不大而使总压损失增加。当水蒸汽流量与总空气流量之比为 10 % ,且水蒸汽从后部掺混孔处注入 ,则总压损失会增大 12 %左右 ;如果水蒸汽从前排注入 ,则总压损失会更大些。