模型驱动的民机数字化制造工艺技术研究与实践

新一代涡桨支线民机正在构建以模型数据驱动、设计制造一体化为典型特征的全数字化研制体系。以模型为核心驱动制造工艺数据构建和传递的技术,正成为我国支线民机研制的新模式。详细介绍模型驱动的数字化制造技术特征和方法,阐述了某型国产民机制造业务模型和协同平台架构的内容,总结了模型驱动思想在国产民机数字化制造工艺技术应用过程中的具体实践内容和成效,对未来的应用趋势进行了展望。     

基于AMESim的齿轮泵内泄漏故障预测技术研究

采用AMESim软件构建了齿轮泵内泄漏故障仿真平台,通过运行仿真平台得到齿轮泵泄漏的故障仿真数据。运用故障仿真数据,采取基于支持向量机的故障预测方法,在Matlab中建立了故障预测模型,将预测数据与仿真数据进行对比,计算出预测的误差,并对该模型的故障预测精度进行了评估验证。讨论了基于不同数量样本建模对故障预测精度的影响,为选择合理的样本数量构建预测模型提供了参考。结果表明:建模数据的量越大,预测的误差越小,对齿轮泵的故障预测具有很好的应用价值。提出的思路和方法对齿轮泵内泄漏故障预测技术应用具有一定的参考价值。     

基于神经网络的扰流柱通道表面传热系数预测

针对扰流柱通道结构的流动传热过程进行了仿真研究，构建了该结构内部表面传热系数的快速预测模型。该预测模型首先构建了若干流阻元件用于冷气质量流量预测，之后根据质量流量预测结果计算通道内的流动雷诺数。将雷诺数与几何结构参数组合并输入基于遗传算法优化的反向传播神经网络，分别预测通道内不同结构的平均表面传热系数。最后建立基于肋化传热模型的扰流柱导热等效表面传热系数换算方法，以便将预测模型应用于实际双层壁涡轮叶片的冷效预测。经数值仿真验证，该模型对通道内冷气质量流量和表面传热系数进行组合预测，相对误差控制在5%以内。     

航空器导航系统飞参预测置信度评价方法研究

为了提高航空器的安全性能,需量化飞参预测过程中的不确定性,因此本文提出了基于预测模型的置信度评价流程。针对航空器导航系统中的飞参数据,采用卷积神经网络开发预测算法,对选定的飞参数据进行预处理和训练,实现高精度的目标飞参预测。综合考虑了模型搭建中的认知不确定性和数据层面的偶然不确定性,采用模型集成的方法来捕获认知不确定性,通过双头网络捕获数据中的偶然不确定性。在此基础上,构建多源不确定性模型,实现了飞参预测模型的置信度评价。经过试验测试,在正常飞参数据中植入噪声模拟实际工况的不确定性,结果显示所提置信度评价方法能有效地表示飞参预测结果的准确性,提高了航空器飞行决策过程中的安全性与可靠性。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

制造过程质量管控软件系统设计与实现

论述了制造过程质量管控软件系统的核心功能和部署设计,介绍了制造过程质量管控软件系统核心功能的设计与实现,并介绍了数据自动采集的实现技术、关联规则提取和决策树数据挖掘技术的应用实现.     

基于周权重指数的汽车销售量预测及可视化方法研究

为了精确预测汽车销售量,利用数据集成技术收集汽车往期销售数据,再对数据进行清洗、变换和约简处理,然后计算周权重指数,利用周权重指数构建汽车销售量预测模型,通过模型实现销售量预测,最后将预测结果利用可视化技术直观地显示出来。仿真结果显示,利用该方法预测的汽车销售量与实际销售量之间误差较小,说明该预测模型具有较高的准确性。这一方法可以为汽车销售量的精准预测提供理论基础。     

航空发动机涡轮叶片的失效分析与检测技术

通过分析航空发动机涡轮叶片的失效机理与寿命预测模型,从理论上阐述了导致叶片失效的关键因素。并针对影响叶片寿命的关键参数系统地阐述了目前的检测技术和发展趋势,主要包括叶片制造过程中叶片轮廓、进出气边轮廓、气膜孔、表面质量的检测,以及叶片服役后涂层质量、蠕变伸长量的离线和在线检测。检测技术既是叶片制造一致性的保障,同时也为失效机理和寿命预测提供实验测量数据,使预测模型更精准。     

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%。     

飞机空调系统频发故障模型构建及预测

利用时间序列算法,对飞机空调系统故障进行预测研究。该算法基于数据处理后集成到SAS系统中的飞机空调系统故障序列,利用SAS/ETS模块相应命令检验该序列为平稳非白噪声序列,在此基础上对有限多个模型进行相对最优化选择后构建自回归移动平均(ARMA)预测模型。最后,将该模型应用于某型飞机空调系统故障实证研究及短期预测中,分析结果表明,该方法在飞机空调系统故障短期预测中的效果良好。     

UG NX 平台模型质量检查应用与扩展技术研究

CAD模型质量检查是通过有效的机制检查数据模型发现不符合标准、规范的问题,并及时地处理解决以提高产品的设计制造质量。详细研究了主流CAD平台的模型检查模块,针对NX平台具体分析其模型质量检查Check-Mate机制,发掘应用Check-Mate基于知识工程进行知识获取、封装和扩展的功能。结果表明:基于Teamcenter PDM平台实现的应用和扩展技术方案可有效提高模型质量,保证模型知识数据的有效性。     

航空金属材料的损伤机制与预测方法

损伤是航空结构件加工制造与服役中的共性问题。以微观损伤机制与损伤预测模型为主要关注点,论述了典型航空用铝合金、钛合金中损伤形核、扩展的影响因素以及宏观、细观尺度损伤断裂的预测方法。对于塑性成形过程,以受力状态为切入点,阐述了不同应力状态下损伤演化的差异性,介绍了基于应力状态损伤模型在航空材料中的应用。对于疲劳损伤问题,总结了不同体系合金中的微观影响因素,如第二相颗粒、晶体取向等,讨论了疲劳预测方法在航空用铝合金、钛合金中的应用。将局部应力应变集中归纳为损伤萌生、扩展的外因,而材料内部缺陷、界面等为内因,塑性变形、疲劳过程的损伤累积均为内、外因综合作用的结果。通过归纳损伤机制研究进展与问题,分析宏、细观预测方法的优缺点,提出以共性规律与通用性预测方法为重点的发展方向。     

基于随机森林算法的航空发动机振动趋势预测

提出了基于随机森林算法的航空发动机振动趋势预测模型。阐述了随机森林算法的基本理论和计算步骤,采用C-C法计算了延迟时间和嵌入维数,对一维时间序列进行了相空间重构,并在此基础上建立了随机森林算法的预测模型。应用发动机振动试验数据进行了振动预测,并与利用相同训练数据建立的支持向量机预测模型的预测结果进行对比。结果表明,与支持向量机模型相比,随机森林算法预测模型的预测精度更高,泛化能力更强,操作方便,且计算效率更高。     

基于递归径向基神经网络的航空发动机盘腔瞬态壁温预测

针对航空发动机空气系统盘腔瞬态壁温动态预测难的问题,提出了一种基于径向基神经网络的递归预测模型。通过时序数据多维重构的方法建立训练样本,强化径向基神经网络对“时滞性”的预测能力,分析了模型固有超参数和由多维重构引入抽样控制参数对模型预测精度的影响。采用简化的典型盘腔壁面换热模型结合公开的试验历程转速数据,构建了供模型训练和测试的瞬态壁温数据样本,以递归调用模型的方式完成了对测试样本时序数据的预测和验证。结果表明,与常规的径向基神经网络预测模型相比,该模型的平均相对预测偏差由3.0%降低至0.45%,有效提升了模型的预测精度。为航空发动机盘腔瞬态壁温异常监控及超温排故问题提供了一种新的预判方法。     

基于静态删减算法的神经网络在软件可靠性预测中的应用

与传统的基于人工神经网络的软件可靠性预测模型结构普遍由预先经验或者通过不断尝试的方法确定不同,在分析一般的软件可靠性模型的基础上,提出将一种基于静态删减算法的神经网络模型应用到软件可靠性预测中。通过利用2组经典的软件失效数据进行仿真,并与传统的神经网络可靠性预测模型对比分析,研究了神经网络拓扑结构和预测精度的关系,结果表明,基于静态删减算法的运用能够提高神经网络模型对软件可靠性的预测精度。     

基于模糊预测的飞机故障预测系统研究

使用Delphi语言开发了一个飞机故障模糊预测系统,建立了飞机故障模糊预测模型。介绍了系统的总体结构和各模块功能,阐述了飞机故障预测系统知识库的推理过程。     

网络化制造资源状态估计研究——基于主成分分析（PCA）和加权支持向量机（WSVM）

针对网络化制造资源配置受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于主成分分析和加权支持向量机的智能混合预测模型。模型首先使用主成分分析弱化数据序列波动性,然后借助加权支持向量机在处理小样本和模糊神经系统处理非线性模糊信息的优点,进行趋势预测。研究结果表明,所提出的模型能有效地提高状态估计方案的可行性,为网络化制造资源状态估计的在线实施提供了方便。     

基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点,重庆-广州航路航空器记录的ADS-B数据作为研究内容,提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取,并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入,通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练,LSTM和CNN-LSTM作为实验对比模型,将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种,其预测精确性更高。     

基于STAMP与贝叶斯网的装备软件缺陷预测模型研究

针对现有缺陷预测技术未充分考虑航空装备软件运行特点,软件缺陷识别与预计存在不确定性与主观性等问题,开展基于STAMP与贝叶斯网的装备软件缺陷预测模型研究。包括软件缺陷预测框架、基于STAMP的软件控制过程模型、基于贝叶斯网的软件缺陷预测模型等几部分内容,并在某型航空装备软件上开展工程应用。工程应用结果表明,该软件缺陷预测模型对某型航空装备软件的缺陷预测准确率达到71.7%,验证模型是可行且有效的。     

润滑油质量组合预测

以某自行火炮润滑油氧化程度光谱分析数据为基础,利用线性回归理论、灰色理论及组合预测理论建立了润滑油的氧化程度预测模型,并且分析各模型在预测上的差异,验证了润滑油质量组合预测模型能够充分利用单一预测模型的有效信息,提高预测精度.