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。     

内装式空射运载火箭重力出舱机箭耦合动力学分析

研究了以运输机为平台的内装式运载火箭空射过程载机和火箭的耦合动力学建模。建模针对两个阶段：第一阶段，火箭固定于载机机舱内，两者构成一个整体，按照普通刚体的力学方法处理；第二阶段，火箭解锁后，沿着舱内的发射筒向外滑行，载机和火箭形成两刚体相互作用的耦合系统，基于牛顿-欧拉法建立系统动力学模型。载机在空射火箭过程中，油门和升降舵满偏，在加速前飞的同时拉大姿态俯仰角，火箭在自身重力分量和惯性力的作用下，沿着机舱内的发射筒加速向外滑行，直至与载机分离。数值仿真分析了空射过程载机的重要力学参数的变化过程，验证了载机操控策略的可行性和安全性，可为未来中国空射运载火箭技术设计提供数据参考。     

星载高速数字电路电源芯片选型及电源完整性设计

优化电源完整性及可靠性设计可以有效提高高速数字电路在高速、高负载及极端环境下工作的性能及可靠性。通过对开关式点电源及LDO (低压差线型稳压器)两种供电方式在星载高速数字电路中的应用特点进行分析,总结出针对两种电源在电源完整性上的设计准则,量化相应测试指标,通过对开关类电源LTM4644及LDO型电源对信号完整性设计及电源芯片选型进行研究优化,为星载高速数字电路电源完整性设计及测试提供部分参考及依据。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。     

侧偏捕获对内收缩进气道起动的影响

侧偏捕获是高超声速内转进气道的常见捕获形式之一,但侧偏捕获对进气道起动的影响并不清楚。为探索侧偏捕获对高超声速内收缩进气道起动的影响,采用数值模拟方法研究了侧偏捕获进气道的起动机理。结果表明,无量纲侧偏距离为0.04时,进气道再起动马赫数相对于对称进气道降低3.6%;无量纲侧偏距离为0.06时,进气道再起动马赫数降低7.6%。起动过程的边界层分离表明,内收缩进气道起动过程受分离区的影响很大。侧偏捕获进气道缩小了分离区,有利于再起动。相对于对称捕获进气道,侧偏捕获进气道会形成两个非对称、强度不等的流向涡。侧偏捕获减弱了流向涡对隔离段空间的占据作用,改善了内收缩进气道的性能。     

针栓式推力室冷却特性试验研究

针栓式发动机具有推力调节简单、声学燃烧稳定性好和成本低廉等一系列优点,但目前对针栓式推力室的冷却特性掌握还不够深入,研制过程中曾多次出现因推力室冷却组织不好而烧蚀的问题。采用针栓式推力室试验件,对身部的冷却特性进行了深入研究,结果表明:推力室圆柱段前端的温度较低,无需采用专门的冷却措施;末端内侧气壁温度会达到约1650℃,局部存在明显的烧蚀现象,必须采取有效的热防护措施;下游冷却液膜量的变化对圆柱段的冷却特性影响较小。