飞行器雷达隐身性能评估研究

考虑飞行器与雷达的对抗环境和相对位置关系,通过建立雷达的探测模型以及飞行器的雷达散射特性模型,初步构建了飞行器雷达隐身性能评估系统。该系统可以有效地计算RCS的不同而引起的发现概率及暴露距离的变化,从而可以定量地比较隐身性能的变化;还可以根据暴露距离或预警时间的要求,制定出满足该要求的RCS指标的取值,从而指导隐身飞机RCS指标的确定。对算例的计算分析表明,该系统的计算结果可信,具有一定的实用价值。     

基于测试数据的雷达导引头技术状态评估

雷达导引头是导弹的关键部件,决定着导弹的综合作战能力。文章针对雷达导引头技术状态评估进行研究。首先,基于测试数据对雷达导引头的关键参数进行归一化处理,并引入时间修正的方法,依据装备退化规律得到装备的近期技术状态。然后,使用三角模糊数理论计算参数隶属度和可信度水平,在此基础上使用ER算法对雷达导引头特征参数的测试数据进行评估。实验使用某单位所贮存雷达导引头测试数据进行验证,表明该算法能够实现雷达导引头技术状态的实时评估,并得出评估结果的可信度。最后,基于技术状态评估结果进行雷达导引头检测规划,为合理控制雷达导引头的检测次数提供支持。     

一种能量级自然云雷达图像仿真方法

针对飞行模拟训练需求,基于自然云与电磁波束相互作用的统计特性,设计了 1种自然云雷达图像仿真方案,给出了多个关键仿真模型的实现方法。通过雷达波束的子波束划分实现雷达波束充塞系数的估算,解决了波束充塞系数计算难度大的问题,并根据云的三维模型设计了雷达回波能量计算模型。通过将三维空间的计算转化到二维平面内以获取雷达波束中心与云团交点位置及参数,以此计算雷达反射率和雷达回波的距离衰减。仿真实验表明:该方法能较好地体现云对回波的衰减效应,以及波束充塞度对远距离云回波计算的影响,具有较好的实时性。     

基于健康行为模型的飞行器控制系统健康评估

通过分析与飞行器控制系统相关的健康模式与模型参数的映射关系,利用近似响应原理,阐述了建立健康模型、开展系统健康评估的方法;结合测点仿真数据和多维向量相似度的原理,提出了健康指标的计算、优化方法和系统健康评估总体方案。以某型舵机模型为研究对象,采用高斯白噪声作为激励源,应用BP神经网络构建舵机组件的健康行为模型。模型在某飞行器6 DOF仿真平台中进行仿真和验证,实现了基于健康行为模型的在线故障监测。通过研究健康行为建模方法在飞行控制系统健康评估中的应用,为飞行器的健康评估提供了一种可行方案。     

基于BP神经网络的飞行训练品质评估

为了弥补现有飞行训练品质评估系统存在的不足,本文提出利用飞行员生理信号和飞行操作参数来构建评估指标体系。建立了基于BP神经网络的飞行员飞行训练品质评估模型,通过已完成训练的网络的权值分布计算出各输入指标对最后评分结果的影响,并通过算例分析检验了该模型的可靠性。检验结果表明:经BP神经网络模型训练得到的结果和样本的专家评分基本吻合,选取的评价指标有效,该评估模型能够有效地将飞行员生理信号与飞行训练参数相结合,对飞行员的飞行训练品质进行评价。     

基于BP神经网络的装备备件重要度评估

针对装备备件重要度的评估问题,构建了相应的评估指标体系,建立了用于备件重要度评估的三层BP神经网络.然后,构造样本对BP神经网络进行训练,利用训练好的网络对备件重要度进行评估.结果表明,该方法能够较好地克服人为因素和模糊随机性的影响,取得了较好的评估效果.     

一种基于投影寻踪的航天器健康评估方法

针对常用健康评估方法在航天器测控管理领域应用过程中出现的通用性、易用性和适用性方面的不足,提出了一种基于投影寻踪评估模型的航天器健康评估方法.该方法首先计算得出分系统运行状态的可信度;然后利用卫星故障预案和故障实例构建投影寻踪评估模型,自动获取运行状态指数评价权重;最后通过构建等级评价标准对航天器健康状态进行评估.以某在轨卫星为例进行仿真测试,验证结果显示该方法所构建模型简便且易于升级维护,评估结果与实际情况吻合,对解决实际的工程问题具有实用价值.     

飞机总装生产线节拍闭环控制模型设计与分析

总装作为飞机制造的重要环节,如何提高其产能和稳定生产一直是研究热点。基于某类运输机产能分析,对总装生产过程的异常问题进行归一化分类,设计出了一种总装生产线节拍闭环控制模型,利用异常类别比率作为该类型产品总装生产节拍控制模型的输入参数,将负载率和产能作为输出。采用神经网络模型分析输入变量与输出变量之间的关系,构建出总装生产线健康状态评估模型。依据状态评估模型的产能输出,采用马尔可夫模型构建了总装线产能预测模型,进而评估总装线节拍生产计划执行情况,并反馈给节拍控制器实现节拍调整。最后,一个实践设计表明该闭环控制模型可以通过节拍控制实现产能控制。     

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

基于联系度的雷达导引头综合能力评估

文章分析了影响雷达导引头综合能力的主要因素;建立了雷达导引头综合能力评估指标体系和基于联系度的雷达导引头综合能力评估模型,并提出了联系度的比较规则;最后,得出了几种典型的雷达导引头综合能力的优劣排序.     

于不确定性与重要度的改进DSmT健康状态评估

针对目前健康状态评估准确度不高、客观性不强的问题,引入评估指标的不确定性和重要度,提出一种基于不确定性和重要度的改进DSmT（Dezert Smarandache theory）健康状态评估方法.首先,引入指标不确定性和重要度作为加权因子,能够得到比较合理的指标权重;其次,采用模糊综合评判方法,通过构造三角形梯形隶属度函数确定各指标的广义基本信度赋值;然后,基于指标权重对广义基本信度赋值进行改进DSmT融合,得到各指标的广义基本信度赋值加权融合后的评估结果;最后,以某供电系统为例进行了实例验证,结果表明该方法能够赋予各评估指标较合理的权重,健康状态评估结果与系统实际运行状态相符.      

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神经网络的叶片损伤度评估方法

将叶片简化为悬臂梁模型,根据振动力学理论推导出了叶片损伤度与固有频率变化量以及损伤位置两个参数的内在关系,将其抽象为一种从损伤的位置及固有频率的变化量到损伤度的映射.在此基础上,将具有自学习能力和逼近非线性映射能力的人工神经网络引入到损伤度的预测中,构建了一种基于BP(back-propagation)神经网络的叶片损...     

基于一维卷积神经网络和SoftMax分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和SoftMax分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,SoftMax分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。     

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

基于神经网络和故障字典相结合的末制导雷达故障诊断技术

采用故障字典和BP神经网络相结合的方法,利用Muhisim软件进行电路仿真,再由实测样本数据对BP神经网络进行训练,完成对网络各参数的设置。仿真结果表明,该方法可以较好地将故障定位到模块级中的元器件,也可为其他型号的雷达模块级故障诊断技术研究提供借鉴。     

用TH神经网络方法外推数据的超分辨雷达成象

研究用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络（ＴＨＮＮ）求解ＡＲ模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对ＴＨＮＮ方法和Ｂｕｒｇ方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着ＶＬＳＩ技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。     

扰流板式畸变模拟装置的数值计算及人工神经网络建模

数值计算了用于某型空中试车台吊舱的扰流板式畸变模拟装置,应用总压恢复系数、周向畸变指数评价了该装置的畸变效果并与试验数据进行了对比分析,为后续发动机在空台上确定临界畸变指数及敏感系数提供了可用量值的参考.根据部分计算数据,建立了该扰流板式畸变模拟装置的人工神经网络模型,并预估了12个状态的畸变模拟效果,验证了该人工神经网络模型的有效性,为减少试验点数节省试验经费提供了有效的途径.     

基于神经网络的翼盒结构响应重构方法应用

翼盒结构复杂，航行中承载条件恶劣，利用有限测点信息重构其它位置响应对于实时健康监测具有很强的现实意义。通过误差反向传播神经网络训练得到响应之间的非线性关系，建立基于神经网络的响应重构方法，开展有限元分析对其进行数值仿真验证，并将该方法应用于实测随机激励环境下翼盒典型承力结构的响应重构及损伤定位与判断分析。结果表明：采用该方法重构出的预测响应功率谱密度的均方根相对误差不超过1.90 dB，主要频点误差小于10%；判断出翼盒关键测点e 的损伤或故障发生在所截取片段数据3 s 后，其故障特征频率为240 Hz 左右，该方法应用于响应重构预示及健康监测分析具有可行性。     

基于机器学习的飞机动力装置运行可靠性

为了研究分析飞机的动力装置在执行飞行任务过程中的运行可靠性,针对运行可靠性影响因素的多维、耦合的特点,采用机器学习方法对动力装置运行可靠性的时变规律及其相关影响因素进行分析。提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法;并基于飞机实际运行的快速存取记录器（QAR）数据,梳理了动力装置运行可靠性分析相关的3类因素、16个主要特征。结合飞机运行的时空关系,采用数据包络分析（DEA）方法对飞机动力装置的工作状态特性与性能裕度进行非参数分析,基于提取的QAR数据特征,采用随机森林、多变量神经网络回归算法,建立2种基于机器学习的动力装置运行可靠性分析模型。以B737-800机型为例,对一次北京至珠海的飞行任务的动力装置相关运行数据进行分析,对2种机器学习分析模型进行训练与测试研究。分析结果表明：对动力装置工作状态特性贡献度最大的特征依次为计算空速、飞行时间与飞行高度;对动力装置性能裕度贡献度最大的特征依次为动力装置工作状态特性、雷达气象与飞行时间。所采用的2种机器学习方法能较好反映动力装置运行过程的时变可靠性规律,可为动力装置的运行与特情处理提供参考。