基于K-means聚类的航空复合材料敲击检测研究

先进复合材料广泛应用于航空航天领域,其自身的缺陷和损伤直接关系到航空安全。敲击检测方法是无损检测最有效的方法之一,广泛应用于航空复合材料的损伤检测,然而对检测数据的智能处理始终是关键问题之一。通过对智能敲击检测原理的深入研究,以敲击检测的数据处理为出发点,提出了一种利用敲击检测结合K-means聚类分析技术的航空复合材料无损检测方法。试验证明基于K-means聚类分析技术的智能敲击检测方法能够有效检测出航空复合材料的缺陷。     

改进层次聚类法在复合材料敲击检测中的应用

伴随复合材料的迅速发展,其在航空航天方面的应用也日益普遍,但因复合材料的各向异性,在制造过程中会导致某些缺陷的产生。敲击检测作为一种实时原位的无损检测,在复合材料的检测中效果明显。由于敲击检测尚未找到合理的数据处理方法,所以其应用范围受到限制。从解决敲击检测数据处理方法的角度出发,提出将改进层次聚类法应用于敲击检测中,并在应用实例环节对该方法进行了应用,通过实验结果对比,表明改进层次聚类方法可以解决敲击检测数据处理的问题。     

航空复合材料智能敲击检测方法研究

复合材料在生产和制造过程中难免会存在缺陷和损伤,严重影响着航空安全。敲击检测是最简单、运用最广泛的无损检测方法,然而其向智能化方向发展过程中出现了诸多问题。对复合材料结构特性、缺陷和损伤、安全性、敲击检测原理、敲击锤设计、信号处理单元、数据库搭建和智能检测算法进行了深入研究,提出了敲击检测标准流程和规范、数据库搭建方法、以及智能聚类检测算法,在此基础上开发了智能敲击检测系统。     

聚类分析技术在航天复合材料粘接质量敲击检测中的应用

粘接类复合材料在航天领域得到应用广泛,但是粘接质量的判断一直是航天复合材料发展的一个重要课题。敲击检测在应用于复合材料粘接质量的检测时,受复合材料自身特性的影响较小,因此受到越来越多的关注;但是,敲击检测方法的数据处理问题一直没有得到解决,因此这也制约了其进一步发展。本文以敲击检测的数据处理为出发点,提出了聚类分析技术用以解决这一难题。经过选取数据样本进行验证,发现基于自组织竞争神经网络的聚类分析技术,可以很好地解决敲击检测的数据处理问题。     

双基推进剂包覆层界面脱粘敲击检测系统设计

双基推进剂橡胶包覆层界面脱粘降低了推进剂工作性能，使其运行存在潜在的安全隐患。针对此问题，设计并开发了一套由信号处理组件、自动化控制组件和智能诊断组件构成的敲击检测系统，旨在通过自动化控制与智能敲击诊断技术相结合，更加全面的获取待测件的状态，提高检测的准确性和可靠性。实验结果表明，敲击检测系统可以识别橡胶包覆层脱粘缺陷，并且当敲击检测分辨率为3~10 mm时，脱粘缺陷检测准确率≥87.5%；BP神经网络隐含层神经元数设置6或7时，故障识别效果良好，K-means聚类算法对敲击检测数据故障确诊率≥90%。综上所述，敲击检测系统具有较高的检测分辨率和准确率，可以实现对双基推进剂包覆层粘接质量的客观评价。     

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

基于BP神经网络的航空发动机故障检测技术研究

为了提高航空发动机故障检测正确率,将BP神经网络应用于航空发动机故障检测中。从某航空公司使用的CFM56-7B系列发动机的实际飞行历史数据中选取研究样本,对比了6种训练方法的效果并最终选择弹性BP法对网络加以训练并进行测试。结果表明:该方法对CFM56-7B系列发动机的排气温度指示故障、进口总温指示故障和可调放气活门故障的检测正确率高达83.33%。BP神经网络能够很好地应用于航空发动机的实际故障检测,其学习记忆稳定、网络收敛速度快,具有一定的工程实用价值。     

基于BP神经网络的复合材料失效分析

创建了基于BP神经网络方法预测复合材料在复杂应力状态下的失效模型.依据现有的试验数据,建立了基于BP神经网络的数学模型,并给出了网络在多次训练的统计性评价参数.以及单次样本泛化性能的评价参数,并利用这些参数实现了网络的结构优化和训练优化,得到了比较精确的网络模型,成功预测了复合材料的失效数据,拓宽了计算复合材料失效的范围,同时可以对复合材料的失效分析和试验设计进行指导.     

无损检测技术在航空复合材料结构领域的应用分析

分析了航空复合材料结构件缺陷和损伤特点,介绍了可应用于航空复合材料结构缺陷的无损检测技术,展望了无损检测技术的未来发展.     

案例推理和神经网络在航空发动机稳态模型中的应用

传统建模方法难以准确建立航空发动机数学模型,单纯使用BP神经网络建模又有其不足.将案例推理和改进BP方法相结合,根据案例推理优化训练数据,再利用神经网络,建立了发动机稳态模型.结果表明,该模型有较高的稳态精度,而且具有较好的泛化能力.     

民航运行风险的灰色神经网络模型

采用灰色神经网络的方法,建立了中国民航运行风险的非线性在线模型。模型以风险监测指标作为输入,以评价民航安全的综合指数作为输出。编写了模型计算软件进行仿真计算,计算结果表明,模型预测值与实际安全综合指数值吻合较好,验证了方法的正确性。利用该模型既可以确定风险监测指标中的主要影响指标,为民航降低运行风险提出合理的建议;又可以对民航安全的综合指数进行分析,为行业的安全运行提供预警。     

航空型号项目风险预测的BP神经网络模型及应用

本研究克服了单纯采用专家风险因子测度方法主观性较强的缺点,以及单纯采用人工神经网络评估模型模糊性的缺点,结合两种方法的优点,利用基于BP神经网络算法的Microsoft Visual C++程序,在专家风险因子测度基础上,通过大量风险评估成功案例数据的训练,成功建立了航空型号项目风险预测模型.该模型可以较为精确、客观地...     

航空运行风险的灰色神经网络模型

采用灰色神经网络的方法,建立了中国民航运行风险的非线性在线模型.模型以风险监测指标作为输入,以评价民航安全的综合指数作为输出,编写了模型计算软件进行仿真计算.计算结果表明,模型预测值与实际安全综合指数值吻合较好,验证了方法的正确性.利用该模型既可以确定风险监测指标中的主要影响指标,为民航降低运行风险提出合理的建议;又可以对民航安全的综合指数进行分析,为行业的安全运行提供预警.      

基于BP神经网络的民航安全预测方法研究

为了对民航系统安全运行状态进行科学的分析和预测。针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率，采用BP神经网络的时间序列非线性预测模型及方法，对其进行了分析研究和仿真验证，计算结果表明，该预测方法是可行的，并与实际具有较好的一致性。     

基于深度学习的滑油监测方法研究

针对传统的数据特征提取方法难以提取航空发动机滑油监测数据有效特征的缺陷,提出了一种基于多尺度卷积神经网络(Multi-scales convolutional neural network,MSCNN)、长短期记忆(Long short-term memory,LSTM)神经网络和BP网络的单通道网络模型MSCNN-LSTM-BP。将多尺度学习融入CNN,MSCNN和LSTM以串行方式提取数据在空间维度和时间维度的二维特征。实验结果表明:3尺度的MSCNN-LSTM-BP对数据样本的分类准确率达到98.2%,单组电容数据采集测试时间仅为2.1986ms,综合分类率F1达到98.57%,总体性能优于CNN,LSTM和传统的多尺度特征提取方法。MSCNN-LSTM-BP满足航空发动机滑油监测对于实时性和准确性的要求,具有良好的适用性。     

可靠性分析在航空复合材料结构上的应用及展望

基于概率统计的可靠性分析研究对于航空复合材料结构有着重要的意义,一是航空结构尤其是民航结构的安全性要求极高,需要尽可能地预测或判断发生故障的可能性;二是复合材料的变异因素较多,采用传统设计导致折减系数较高。目前复合材料结构设计仍以安全系数的方法来保证结构的可靠性,在此过程中并不进行正式的风险评估,而基于概率的可靠性分析则设定一个可靠性目标来代替安全系数,但它需更成熟的概率统计方法以及大量的样本数据,所以只能作为传统结构设计的补充,在安全裕度不足时进行风险预测。论述了航空复合材料可靠性概率分析的历史演变、意义、主要理论方法以及一般步骤等内容,同时对复合材料结构的可靠性分析的未来进行了展望,为复合材料可靠性分析的发展和研究提供一定的参考。     

高空台特种调节阀建模方法对比研究

为了获得准确的轮盘式特种调节阀流量特性模型,提高高空舱进口流量预测精度,提出了基于BP神经网络和NARX网络的建模方法。在对调节阀与传感器测点位置分析的基础上,将调节阀和阀后容腔作为整体进行建模。对比研究了流量系数、静态BP神经网络以及基于Gamma Test的动态NARX网络建模方法,并给出了工程中选取建模方法的建议。以试验流量数据为基准,仿真对比了不同阀门开度变化时,各模型输出流量的稳态误差和动态误差。结果表明,BP神经网络方法和NARX网络方法建模精度要优于流量系数法。同时,BP神经网络模型最大稳态误差为0.52kg/s,优于NARX网络模型和流量系数模型。NARX网络模型的最大动态误差为2.04kg/s,相比于BP神经网络模型和流量系数模型,能够更准确地反映流量的动态特性。     

基于预处理BP神经网络的开关磁阻电机建模

针对开关磁阻电机(SRM)强耦合、强非线性、难以精确解析建模的问题,提出一种基于数据预处理的反向传播(BP)神经网络建模方法。首先通过传统直流脉冲法测量一个电周期内SRM静态电磁特性,获取建模样本数据;其次充分利用电机先验知识,通过可以初步反映SRM非线性特性的磁链和转矩解析表达式对实测样本数据进行预处理并作为BP神经网络新的输入,降低神经网络拟合误差。与传统BP神经网络建模的对比结果显示,引入预处理方法可以有效减少BP神经网络节点数量,增强神经网络泛化能力,提高神经网络建模精度。     

基于神经网络的民航安检系统风险评价研究

随着民航事业的快速发展,民航安全问题引起了广泛的关注.民航安全检查是民航管理安全重要的组成部分,如何建立一个合理的风险评价模型,指导民航安全检查的管理工作,已成为民航管理者的迫切需求.将BP神经网络模型引入民航安全管理,在分析民航安检系统的基础上,建立了安检系统的风险评价模型.通过实际应用验证了该模型的可行性.