基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

基于Welch法的潜艇磁场频域信号特征分析

航空磁探仪通过高灵敏度磁力仪测量空间中的磁异常曲线来探测水下磁目标是否存在。由于对水下磁目标磁异常信号的特征掌握较少等原因,目前磁探仪对目标探测距离近,检测概率低,识别能力不足,探测效果不够理想。磁异常信号特征分析是提高航空磁探仪检测性能的基础性工作,文章运用一种平均周期图法对潜艇磁异常信号进行功率谱分析,得到了潜艇在不同下潜深度、不同航行速度下的功率谱曲线,为更好地对潜艇进行探测与识别提供依据。     

一种基于神经网络的航空发动机剩余寿命预估方法

针对航空发动机剩余寿命预估中模型建立困难且计算精度低等问题,提出了一种基于卷积神经网络和长短期记忆神经 网络进行航空发动机剩余寿命预估的方法。利用卷积神经网络中的卷积层与池化层提取传感器数据中的特征,并依据卷积层提 取出的特征,利用长短期记忆神经网络进行时间序列预测,并使用全连接层输出航空发动机剩余寿命。在NASA的C-MAPSS提 供的涡扇发动机退化仿真数据集上对该方法进行了验证。结果表明：基于卷积神经网络和长短期记忆神经网络的航空发动机剩 余寿命预估方法,可以在保证预测精度的前提下,对航空发动机剩余寿命进行较为保守的预估,在保证资源不被浪费的情况下,尽 可能提前发出故障预警信号,从而提高飞行的安全性,进而为航空发动机健康管理系统提供有用信息。该预测方法在对称指标和 非对称指标上均优于此前提出的方法。     

基于卷积神经网络的疲劳驾驶识别

机组人员疲劳驾驶是引发航空事故的原因之一。现有的研究缺少将脸部信息融合的疲劳表情识别,对疲劳表情识别可有效提高疲劳驾驶识别准确率。根据卷积神经网络的基本结构,将卷积核大小为1×1的卷积层加在输入层之后,让网络深度增加、提高特征学习能力、增加输入数据的非线性表示,同时对计算量基本无负面影响,采用线性修正函数ReLU作为激励函数解决模型在训练中梯度消失问题,提出了一种改进的卷积神经网络模型。基于LFW数据集筛选出正常、说话、疲劳3种状态表情,对其进行预处理建立疲劳表情数据集。训练完成的CNN模型对自建疲劳表情数据集实验识别准确率为88.3%,平均识别时间为20ms,与传统疲劳驾驶识别方法相比具有准确率高和实时高效的优点。与未改进的卷积神经网络相比,识别准确率提高了5.02%。     

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。      

卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用

 针对航空发动机排气温度的变化过程受复杂非线性时变因素的影响而难以用精确数学模型描述的问题,提出了卷积和离散过程神经网络(CSDPNN)模型,并将其应用于航空发动机排气温度(EGT)预测。该模型以离散样本作为直接输入,采用卷积和算法实现对时间累积效应的处理。相较于以连续函数作为输入的过程神经网络(PNN),不需要拟合离散样本得到连续函数后进行正交基展开,减少了精度损失,具有更高的预测精度。给出了卷积和离散过程神经网络模型的学习算法,并通过对Mackey-Glass混沌时间序列的预测对提出的方法进行应用说明和验证。通过航空发动机EGT预测实例,并与卷积和离散过程神经网络模型的连续函数输入过程神经网格以及传统人工神经网络(ANN)的预测结果进行了对比。结果表明,相较于连续函数输入过程神经网络以及传统人工神经网络,卷积和离散过程神经网络具有更高的预测精度,且对于EGT的预测具有较好的适应性,因而为航空发动机EGT预测提供了一种有效的方法。     

目标:水下潜艇,开火!

航空反潜是现代战争的重要作战手段。长期以来,如何寻找和攻击潜艇成为世界海洋国家重要的军事议题,航空反潜日益受到海军大国的重视。本文就航空反潜在未来海战中的应用及其重要作用,以及航空反潜的技术、武器装备、作战方式等读者关心的问题,采访了有关专家。     

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

基于声学信号与视觉转换器的滚动轴承故障诊断方法研究

航空机载设备的可靠性对航空运输安全至关重要。针对航空机载设备上的滚动轴承故障，本文提出一种声学信号与视觉转换器（ViT）相结合的滚动轴承故障诊断方法。首先，将采样获得的滚动轴承声信号通过短时傅里叶变换转换为时频图。其次，将时频图按时序分割，作为ViT的输入。ViT通过多注意力机制提取图像块中的信息并输出数据。最后，输出数据通过多层感知机实现对不同类别的滚动轴承故障识别。试验表明，相较于传统的基于卷积神经网络和长短时记忆网络的滚动轴承故障诊断方法，本文所提方法的滚动轴承故障诊断准确率更高，为航空机载设备的轴承故障诊断提供了一类新方法。     

卷积神经网络及其在航空视觉任务中的应用展望

从卷积神经网络的基本理论出发,介绍了几种经典卷积网络结构,并结合当前卷积神经网络在计算机视觉领域的应用现状,重点探讨了它在未来航空视觉相关任务系统中的应用前景,以及实施这些技术必须解决的若干问题,为未来航空装备智能化水平的进一步提升提供参考。     

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.     

基于直线形浮标阵的反潜巡逻机监听方案

针对反潜巡逻机监听直线形浮标阵的问题,在给出该问题的背景和特点的基础上,给出了平行监听直线形浮标阵和垂直监听直线形浮标阵时的监听通用模型,提出了 4种特殊的监听直线形浮标阵方案并进行了比较。最后,通过仿真对这几种方案进行了验证。对仿真结果的分析表明了这些方案的优劣,为指挥员执行航空反潜任务提供了有效的辅助决策依据。     

航空装备计量中脉冲上升时间测量不确定度分析和评定

脉冲信号是航空装备计量保障中非常重要的基础参数,示波器校准仪检定装置是测量脉冲信号上升时间的重要标准。介绍示波器校准仪检定装置的组成,对示波器校准仪检定装置测量高速脉冲上升时间进行分析,对测量结果的不确定度进行评定。结果表明:可通过设置较小的时基、提高脉冲的输入电平等手段减小测量不确定度。研究结果可为航空装备计量技术机构编制示波器校准仪检定装置的建标报告和评定脉冲上升时间的不确定度提供参考。     

基于TOPSIS法的浮标拦截布阵方案效能评估研究

对浮标布阵方案进行效能评估是有效利用浮标布阵规划进行搜潜的关键环节,是反潜战术辅助决策的重要依据。研究了飞机执行应召反潜任务时布放浮标拦截阵的潜艇搜索概率模型和效能评估模型,确立浮标拦截布阵方案效能评估的指标体系;采用最优解接近度排序法（TOPSIS）对某应召反潜任务下的浮标拦截布阵方案效能进行分析和选择布阵方案,结果表明该效能评估方法为如何选择浮标拦截阵方案提供了有效的参考。     

航空深弹投放模型及空中弹道仿真

以无动力航空自导深弹为研究对象,在分析反潜直升机攻潜过程的基础上,建立起反潜直升机应召攻潜航路规划模型,进而建立反潜直升机投放深弹模型,并利用Simulink对航空深弹空中弹道进行仿真,得出航空深弹入水的相关参数,为航空深弹作战使用提供理论参考。     

基于神经网络算法在机场油库安全的应用

机场油库是储存航空油料的重要基地,其安全因素包含多个方面。通过对机场油库的安全分析,采用神经网络方法,建立机场油库安全评价模型,基于MATLAB软件神经网络工具箱对其进行求解,并将结果应用到油库的安全评价中。结果表明该方法与模糊综合评价方法基本一致,研究成果对油库安全监测和预测有着重要的意义和实用价值。     

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。     

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。     

主动全向声纳浮标性能预测

主动声纳浮标适合探测安静型潜艇,预测主动声纳浮标的性能已成为航空反潜战的重要内容。文章首先简要分析了水声传播模型、海底和海面损失模型以及混响模型等声纳模型的优劣并进行合理选择；在此基础上,提出了一种主动全向声纳浮标性能预测系统的总体方案,并设计了相应软件；最后,针对不同的海洋环境进行仿真实验。该系统能预测主动声纳浮标在各传播方向、水平距离和深度的传播损失及检测概率,可以用于分析浮标性能的时空变化特性,为优化使用声纳浮标提供参考。     

航空机电作动器神经网络快速终端滑模控制

目前机电作动器由于具有干净、维护方便等优点,越来越受到航空业的青睐。航空机电作动器的特点是控制精度、稳定性和响应速度要求高,针对以上特点,提出了一种基于多层神经网络的快速终端滑模控制策略。为了提高航空作动器响应速度和跟踪精度,设计了快速终端滑模控制策略,不仅可以加快系统响应而且可以在无扰动情况下实现系统的有限时间稳定。针对系统参数不确定性和外部扰动,设计多层神经网络进行估计并通过前馈方法加以补偿。针对神经网络的重构误差,设计了非线性鲁棒项加以克服。利用李亚普洛夫稳定性定理证明了控制系统在有扰动情况下可以实现有界稳定。实验结果表明：所设计的控制器具有良好的参数自适应和抗干扰能力,同时具有更高的跟踪精度和更快的响应速度。