基于民机维修文本数据的故障诊断方法

在民航检修与维护过程中积累了大量蕴含丰富故障特征的文本维修记录，然而由于维修文本本身存在复杂性，其还未实现智能诊断，数据利用率低。提出一种不断修正迭代的基于预训练语言模型双向转换器编码表示（BERT）及轻量级梯度提升机（LightGBM）的飞机维修记录的故障原因分析方法，求解文本形式的维修记录中的故障原因，用以辅助维修人员进行正确的维修决策。首先，在基于BERT的故障诊断模型Transformer特征提取架构中引入多头注意力机制，以充分捕捉融合上下文的双向语义、更加关注于重点词汇；其次，为了提高诊断速度减少模型的参数并融合LightGBM模型来实现维修文本的故障原因分类；最后，将改进的模型与其他常用文本分析模型进行对比实验，在基于民机维修文本的故障诊断中该模型的准确率比TextCNN模型、LSTM模型和BiLSTM模型分别提升了38.99%、22.98%和18.16%，且BERT-LightGBM模型比BERT模型诊断速度提升了0.91%。表明所提方法在实现飞机维修文本故障诊断方面的有效性及优越性。     

基于CNN-BiGRU的学术文本分类研究

针对传统的文本分类模型存在特征提取能力不足和分类准确率较低等问题，提出一种基于卷积神经网络和双向门控循环单元相结合(CNN-BiGRU)的文本分类方法。首先，以图书情报领域相关主题文本摘要为数据源，通过Word2vec进行文本向量化；其次，通过CNN获得输入文本信息的局部特征，并使用BiGRU保留文本中的顺序相关性；然后，选择softmax分类器输出分类结果；最后，与传统的机器学习分类方法和单一的深度神经网络模型分类方法进行对比实验。结果表明，在数据量大的情况下，文中提出的CNN-BiGRU分类模型具有更好的分类效果，其准确率、召回率和F1值均达到了95%以上，能够在一定程度上解决学术文本“信息过载”等问题。     

树形结构SVMs多类分类的研究

介绍了SVM方法原理,为了将SVM在解决两类分类问题中的优越性推广至解决多类分类问题,分析构建树方法与SVM结合运用来提高SVM在进行多类分类时的训练效率的方法, 然后构造文本自动分类,实验说明该方法有较高的训练效率,并且所需的训练样本量大大降低。     

基于AOS的试飞安全管理体系建设

为了解决企业中多套管理体系并存的问题,提高管理效率,本文依据AOS管理"1236"原则,阐述了试飞安全管理体系与AOS运营管理体系相互融合的思路和方法。通过建立基于AOS的试飞安全管理体系,使得试飞安全管理取得了显著效果,试飞安全水平稳步提升,同时对于AOS运营管理体系框架内的多体系融合工作具有一定的指导作用。     

武器装备试飞阶段保障训练效果评价研究

武器装备在性能鉴定试飞阶段所进行的保障训练是维护人员快速掌握装备保障技能的重要途径,而保障训练效果评价是检验保障训练工作的直接手段.从理论知识的掌握程度、实际维护操作技能和训练保障能力等方面建立了适用于试飞阶段的保障训练评价指标.提出了基于云模型-三角模糊法的评价方法,确定装备保障训练效果评价中的指标权重并解决定量与定...     

基于BP神经网络的试飞训练安全性量化模型

为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于BP神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目及环境三部分重要因素,建立试验飞行训练过程中的安全性分级量化分析指标体系。经人因工程指标量化处理后,由于融合的数据类型相似度较低,因此采用BP神经网络构建试验飞行训练安全性分级量化分析模型,经模型训练、测试后,输出试验飞行训练的安全性分级量化等级。利用定制的接触式采集设备和非接触式面部识别系统,采集试飞员执行试飞科目训练时身体节律数据,分析训练过程中科目复杂度和难度对试飞员心理特征和生理特征的影响,从而建立量化指标和预警指标,以此优化试验飞行训练课程、提高训练品质,保障试飞安全。试验表明,该模型所得试验飞行训练过程中的安全性分级量化模型输出偏差小于2%,模型预测结果与训练过程中实际风险等级基本吻合,可有效地用于试飞训练过程中风险预警,提高试飞员训练品质,为实际试飞安全提供保障。     

民用飞机飞行试验缺陷管理方法

新机科研试飞阶段会充分暴露飞机设计缺陷、系统故障和产品故障,尤其是型号平台实现跨代发展,新平台飞机首飞暴露出的试飞问题显著增多,严重时甚至影响试飞安全。为了规范试飞问题的描述与管理,表明飞机缺陷与试飞任务之间的关系,按照库珀哈珀评分尺度及飞行员评分的一般模型,建立了缺陷分类评分尺度。定义了缺陷分类及类别,给出了缺陷分类评分尺度的使用方法。该方法能够有效缩短质量问题归零周期,提升产品质量,用户满意度,加快型号试飞进度,保障试飞安全。     

基于增量式在线学习飞行训练姿态预测研究

针对飞行训练安全,大规模训练数据更新时预测准确性较差等问题,研究提出一种基于增量学习的在线飞行训练姿态预测模型。模型针对飞行训练数据进行相关性分析,使用基于流数据的增量学习模型对飞行训练数据中的俯仰角进行预测研究。实验结果表明,模型在对飞行训练俯仰角进行预测时,预测准确率高,误差小。通过模型对比实验,模型相较于传统预测模型,精度高、误差小、泛化能力强,可以有效预测飞行数据,保障飞行安全。     

基于HMM-SVM的混合故障诊断模型及应用

针对直升机减速器故障诊断中机器学习方法存在的问题,根据隐马尔可夫模型(HMM)适合于处理连续动态信号与支持向量机(SVM)适合于模式分类的长处,提出了基于HMM-SVM的混合故障诊断模型。先通过小波包分析方法从减速箱振动信号中有效提取非平稳特征,训练HMM-SVM模型,再利用训练好的模型进行监测与诊断,实验结果表明该方法优于单纯的HMM或SVM诊断方法,能利用少量训练样本有效地完成直升机减速器的故障诊断。     

航空发动机试飞关键参数趋势监控的实现及应用

为了实现航空发动机滑油压力、滑油温度、振动值在试飞中的趋势监控,采用神经网络方法对某型发动机大量试飞数据进行训练和验证,获得了这几个参数全过程较为准确的计算模型。计算模型应用于该型号另1台发动机参数趋势监控中,在应用前,利用有限架次试飞数据修正了这几个参数的计算模型,采用动态链接库形式实现计算模型与原有实时监控系统的协同工作,进行了模型计算结果和试飞结果趋势实时对比监控。结果表明:模型计算结果和试飞结果变化趋势吻合良好,说明了神经网络计算模型的准确性以及在关键参数趋势监控中的工程实用性。     

基于试飞的运输直升机任务效能分析及优化

以运输直升机为突破口,提出了一套基于常规试飞方法和试飞数据的任务效能评估和优化的工程方法。在综合分析直升机实际作战中的使用限制、任务环境、任务方式和战术特点等多方面因素的基础上,对直升机进行了分级任务规划,建立了运输任务效能的基础模型,在此基础上梳理出试飞数据需求并提出了相应的试飞数据提取方法。通过三型直升机的运输效能分析及任务优化,验证了本文所建立方法的正确性。     

飞机的尾旋试飞

研制飞机、特别是单发的民用飞机，就会遇到尾旋试飞问题，本文较全面地论述了标准和规范对尾旋的要求，尾旋的分类和机理，尾旋试飞的技术准备和试飞，最后对尾旋和尾旋试飞中的有关问题进行了讨论。     

专利分类中基于主题的特征权重计算方法

专利自动分类是一个大规模、多层次结构的复杂文本分类问题.其中特征权重计算是一个关键环节,关系到专利的文本表示能否体现出主题信息的问题.本文通过分析专利(标题和摘要)的特点,提出了一种基于主题的特征权重计算新方法.该方法通过考察特征与主题的相关性来确定权重,使专利的文本表示更趋近于文章的主题.实验结果表明,该方法优于一般的权重计算方法,取得了较好的效果.     

电传运输类飞机气动模型校准与验证试飞方法

针对电传运输类飞机气动模型试飞校准与验证工作中,试飞数据的高相关性导致的无法有效获取气动模型参数的问题,提出了一种通过优化设计试飞动作与试验状态,隔离相关性高的气动模型影响因素,逐步实现对气动模型参数试飞校准的方法。试飞验证结果表明,该试飞方法可有效支持气动模型试飞校准工作,且校准后的气动模型满足CCAR-60客观测试的容差要求。     

基于试飞任务单的轨迹仿真问题研究

阐述了基于试飞任务单的试飞轨迹仿真生成软件系统在辅助试飞管理中的重要作用,对该软件开发中所涉及到的一些新的问题和方法进行了研究。建立了带电传操纵系统飞机的数学模型,并针对试飞轨迹仿真生成中的逆问题,提出了一种基准控制带反馈调节的方法。简要介绍了轨迹仿真生成软件与任务单管理数据库软件的接口设计,对仿真结果进行了动态显示处理。     

一种中医名词术语自动抽取方法

针对中医领域,提出了一种基于条件随机场的术语抽取方法,该方法将中医领域术语抽取看作一个序列标注问题,将中医领域术语分布的特征量化作为训练的特征,利用CRF工具包训练出一个领域术语模型,然后利用该模型进行术语抽取。选择《名医类案》作为中医领域文本进行术语抽取实验,取得了较好的效果,准确率为83．11％,召回率为81．04％,F-值为82．06％。     

论航空电子系统试飞支持设施

本文讨论了新一代航空电子系统试飞所面临的问题,提出了通过飞行情况复现,故障检测,故障诊断,试飞仿真等方法来提供试飞支持和利用其进行试飞研究的内容。通过对已有设施的分析,讨论了试飞支持设施的软／硬件结构。最后对易重构性,通用性及其设计和研制中的关键技术问题进行了探讨和研究。     

基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。     

基于域对象的文本过滤模型

提出了一种基于域对象的文本过滤模型,该模型采用改进了的基于概念的向量空间模型来表示域对象模型。在过滤过程中,先建立域对象模型,然后将待过滤文本进行信息提取、文本分析,建立待过滤文本的临时模型,通过模型匹配来判断待过滤文本是否属于过滤范畴。实验证明该模型有较好的过滤性能。     

平均故障间隔时间评估方法分析

将AMSAA模型、基于威布尔分布以及指数分布的点估计法用于某产品试飞阶段平均故障间隔时间的评估,依据试飞阶段数据的特点对经典AMSAA模型进行改进,并通过算例证明了改进的AMSAA模型的合理性,同时讨论了各种方法的优势以及局限性,为外场平均故障间隔时间评估方法的选取提供参考.