基于BAS_RVM的APU涡轮剩余寿命预测

提出一种优化相关向量机的寿命预测方法,并用于对辅助动力系统（Auxiliary power unit, APU）涡轮的剩余寿命预测。首先,提出了改进的核函数,兼顾效率和精度,用天牛须搜索（Beetle antennae search, BAS）算法对相关向量机的核参数进行优化,建立寿命预测模型;然后,对历史数据进行分析,提取排气温度（Exhaust gas temperature,EGT）并进行修正、降噪,用多项式回归建立了EGT的涡轮性能退化模式库;最后,实例验证表明,文中算法在APU涡轮剩余寿命预测上与传统相关向量机相比效率提高40%,精度提高20%,通过敏感性分析确定了最佳的初始步长和输入维度。     

在翼航空发动机剩余寿命预测

作为飞机的心脏,发动机的健康状况将直接影响飞机的安全飞行和出勤。对于航空公司,不仅要考虑飞机的安全性,还要考虑公司的经济性。在确保发动机安全的条件下,对在翼发动机的寿命预测已成为各大航空公司考虑的课题。     

基于状态监测数据的航空发动机剩余寿命在线预测

针对现有基于状态监测数据的航空发动机剩余寿命预测研究未能综合考虑隐含退化建模和同步更新漂移/扩散系数的问题,提出一种基于状态监测数据的航空发动机剩余寿命在线预测方法。首先,基于非线性Wiener过程构建带比例关系的航空发动机隐含退化模型;其次,基于多台同类发动机的历史状态监测数据,对退化模型参数进行离线估计;然后,基于目标发动机的实时状态检测数据,利用贝叶斯原理同步更新退化模型漂移/扩散系数;最后,推导出航空发动机的剩余寿命概率密度函数。结合实例分析,验证了本文所提方法较传统方法具有更高的预测准确性与精度,具备潜在工程应用前景。     

考虑脆弱性的航空发动机剩余寿命预测

比例危险模型采用协变量的方式综合多个参数实现对系统的剩余寿命预测,已在航空发动机中得到了应用。然而由于传统比例危险模型是以假设多个研究样本独立同分布,即基本失效率相同为基础的,但对于航空发动机而言,由于运行环境和使用的不同,基本失效率存在差异。研究表明,忽略样本之间的差异会导致估计结果存在严重偏差。为此,本研究将引入用于表达样本之间非独立性的脆弱性概念,针对航空发动机,建立更具普遍性的脆弱性比例危险模型,首次应用于航空发动机的剩余寿命预测。通过实例表明,基于脆弱性比例危险模型得到的预测结果平均误差为4.6%,而基于传统比例危险模型的预测结果平均误差为6.9%,验证了脆弱性比例危险模型在航空发动机剩余寿命预测中的有效性。     

基于二元相关的器件级可靠性建模与剩余寿命预测研究

器件作为部件及设备的主要组成部分,其可靠性及健康状态对设备功能完好性及任务可靠性具有重大影响。本文针对复杂应力条件下单一性能退化的可靠性建模不能全面地评估器件的状态和退化,提出基于Copula函数的二元性能退化联合建模的流程和方法,将联合建模分解为边缘退化模型选择与确定和性能参数之间关联性的构建两部分。同时,基于卡尔曼滤波方法,提出二元性能退化的剩余寿命预测方法,并利用芯片试验数据进行验证,应用于基于两焊点退化的芯片可靠性建模和剩余寿命预测。     

基于导波监测的复合材料加筋结构冲击后剩余强度预测

对应用超声导波在线监测信息评估复合材料加筋结构冲击后剩余强度进行了研究。首先针对所监测的对象设计布置了压电传感网络并构建结构健康监测系统,通过局部信号差分系数计算出不同传感路径上的损伤指标,融合损伤概率成像方法识别损伤位置,测算形状因子以近似表征损伤尺寸。然后构建加筋结构有限元模型,由在线监测结果反馈损伤信息,采用软化夹杂法等效冲击损伤,依据复合材料损伤渐进失效分析理论,预测冲击后加筋结构的剩余极限强度。通过低速冲击、超声导波监测和压缩强度等一系列实验验证了所提出方法的有效性,为结构健康监测最高层次的应用提供基础。     

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。     

人工智能在空腔气动/声学特性预测与控制参数优化中的应用

多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证。基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用。为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径。     

基于多状态故障的卫星姿态控制系统剩余寿命预测方法

针对具体的卫星姿态控制系统配置,在对系统可重构性分析的基础上,考虑系统的多状态故障,详细分析系统可能发生的功能模块故障类型,并按故障等级对系统进行故障状态划分;针对系统故障状态间存在的转移关系,通过Kaplan-Meier估计器和极大似然估计方法对故障状态间转移概率模型进行估计,在此基础上建立系统的Petri网预测模型,并根据蒙特卡洛思想对模型进行大量仿真,从而实现对卫星姿态控制系统剩余寿命的离线预测和在线预测。仿真结果验证了该方法的合理性。     

Remaining Useful Life Prediction for Aero-Engines Combining Sate Space Model and KF Algorithm

The key to failure prevention for aero-engine lies in performance prediction and the exhaust gas temperature margin(EGTM)is used as the most important degradation parameter to obtain the operating performance of the aero-engine.Because of the complex environment interference,EGTM always has strong randomness,and the state space based degradation model can identify the noisy observation from the true degradation state,which is more close to the actual situations.Therefore,a state space model based on EGTM is established to describe the degradation path and predict the remaining useful life(RUL).As one of the most effective methods for both linear state estimation and parameter estimation,Kalman filter(KF)is applied.Firstly,with EGTM degradation data,state space model approach is used to set up a state space model for aero-engine.Secondly,RUL of aero-engine is analyzed,and expected RUL and distribution of RUL are determined.Finally,the sate space model and KF algorithm are applied to an example of CFM-56aero-engine.The expected RUL is predicted,and corresponding probability density distribution(PDF)and cumulative distribution function(CDF)are given.The result indicates that the accuracy of RUL prediction reaches 7.76%ahead 580 flight cycles(FC),which is more accurate than linear regression,and therefore shows the validity and rationality of the proposed method.     

Remaining Useful Life Prediction of Rolling Element Bearings Based on Different Degradation Stages and Particle Filter

A method is proposed to improve the accuracy of remaining useful life prediction for rolling element bearings,based on a state space model(SSM)with different degradation stages and a particle filter. The model is improved by a method based on the Paris formula and the Foreman formula allowing the establishment of different degradation stages. The remaining useful life of rolling element bearings can be predicted by the adjusted model with inputs of physical data and operating status information. The late operating trend is predicted by the use of the particle filter algorithm. The rolling bearing full life experimental data validate the proposed method. Further,the prediction result is compared with the single SSM and the Gamma model,and the results indicate that the predicted accuracy of the proposed method is higher with better practicability.     

基于多退化量的动量轮剩余寿命预测方法

动量轮是卫星姿态控制系统的关键部件,对卫星的可靠性及整体寿命有直接影响。针对卫星动量轮的剩余寿命预测问题,提出一种基于Copula函数的多退化量下的寿命预测方法。首先,分析了影响动量轮寿命的关键因素,选择润滑剂剩余量和电流作为退化量;其次,分别对单个退化量进行退化建模,得到动量轮剩余寿命的边缘分布函数;然后,通过Copula函数族来描述多退化量之间的相关性,并对边缘分布进行融合,得到动量轮剩余寿命的联合分布函数;最后,提出基于赤池信息准则（Akaike information criterion,AIC)模型评价的Copula函数选择方法。     

航空导管先进成形技术的研究进展

针对航空领域对轻量化高性能复杂导管先进制造的迫切要求,系统综述了航空导管精确弯曲成形技术以及多通类导管精确成形技术。航空导管的弯曲技术主要包括常规导管的数控绕弯成形技术、三维导管的自由弯曲成形技术以及超小弯曲半径导管的充液剪切成形技术;多通类导管先进成形技术主要包括液压胀形技术以及T-Drill成形技术。本文从工艺原理、技术优势、发展趋势等方面对航空导管技术进行了系统的阐述和介绍。     

基于寿命包线的飞机金属结构寿命预测方法

飞机结构寿命包线是飞机结构在安全使用条件下疲劳寿命与日历寿命的边界线;在其概念的基础上,考虑疲劳寿命与日历寿命的相互影响关系,提出了通过预腐蚀疲劳试验确定飞机结构寿命包线的腐蚀影响系数法,建立了典型服役环境下飞机金属结构腐蚀疲劳关键件的剩余寿命预测方法,并给出了在飞行强度变化条件下的剩余寿命预测实例。飞机结构寿命包线确定方法与剩余寿命预测方法的建立,为飞机结构单机寿命(疲劳寿命与日历寿命)监控奠定了基础。     

民用货机运输军用装备技术研究

从民用货机空运军用装备研究的重大意义出发,研究了军事运输机和民用货机的结构差异,并分析了影响民用货机空运军用装备可行性的因素;通过对民用货机空运军用装备研究思路的探索,提出科学合理的装卸载方案,实现装卸载时间的最小化及装卸载量的最大化,最终形成民用货机空运军用装备的技术规范。     

数理统计在机载设备延寿中的应用

介绍了利用数理统计分析开展机载设备寿命分布和故障水平研究的常用方法和步骤,并结合某型多功能显示器的延寿进行了应用分析。