A novel strategy for fine-grained semantic verification of civil aviation radiotelephony read-backs

During the flight of the aircraft, the pilot must repeat the instruction sent by the controller, and the controller must further confirm these read-backs, in this way to further ensure the safety of air transportation. However, fatigue, tension, negligence and other human factors may prevent the controller from realizing read-back errors in time, which is a huge hidden danger for the safety of civil aviation transportation. This paper proposes a novel strategy to implement fine-grained semantic ...     

基于知识图谱的装配语义信息建模

针对总成产品的装配数据通常分散于CAD模型与装配工艺文档中,因而不同类型的装配语义信息由于异构性无法相互关联的问题,基于知识图谱提出一种面向装配语义信息的建模方法,结合传统的数据映射与人工智能中的自然语言处理技术,实现了CAD模型的几何信息与装配工艺文档中工艺过程信息的智能集成.首先阐述了不同层次的语义特征在基于知识图...     

一种基于语义信息辅助的无人机视觉/惯性融合定位方法CSCD

视觉传感器在无人机室内定位中发挥着重要作用。传统基于特征点的视觉里程计算法通过底层亮度关系进行描述匹配,抗干扰能力不足,会出现匹配错误甚至失败的情况,导航系统的精度及鲁棒性有待提升。由于室内环境存在丰富的语义信息,提出了一种基于语义信息辅助的无人机视觉/惯性融合定位方法。首先,将室内语义信息进行因子建模,并与传统的视觉里程计方法进行融合;然后,基于惯性预积分方法,在因子图优化中添加惯性约束,以进一步提高无人机在动态复杂环境下的定位精度和鲁棒性;最后,通过无人机室内飞行试验对算法的定位精度进行了分析。试验结果表明,相较于传统的视觉里程计算法,该方法具有更高的精度和鲁棒性。     

Trajectory prediction in pipeline form for intercepting hypersonic gliding vehicles based on LSTM

The interception problem of Hypersonic Gliding Vehicles (HGVs) has been an important aspect of missile defense systems. In order to provide interceptors with accurate information of target trajectory, a model based on an improved Long Short-Time Memory (LSTM) network for trajectory prediction pipeline is proposed for the interception of a skip gliding hypersonic target. Firstly, for trajectory prediction required by intercepting guidance laws, the altitude, velocity and velocity direction of the target are formulated in the form of analytic functions, consisting of linear decay terms and amplitude decay sinusoidal terms. Then, the dynamic characteristics of the model parameters are analyzed, and the target trajectory prediction pipeline is proposed with the prediction error considered. Finally, an improved LSTM network is designed to estimate parameters in a dynamically-updated manner, and estimation results are used for the calculation of the final trajectory prediction pipeline. The proposed prediction algorithm provides information on the velocity vector for midcourse guidance with the effect of prediction errors on interception taken into account. Simulation is conducted and the results show the high accuracy of the algorithm in HGVs’ trajectory prediction which is conducive to increasing the interception success rate.     

基于深度学习的滑油监测方法研究

针对传统的数据特征提取方法难以提取航空发动机滑油监测数据有效特征的缺陷,提出了一种基于多尺度卷积神经网络(Multi-scales convolutional neural network,MSCNN)、长短期记忆(Long short-term memory,LSTM)神经网络和BP网络的单通道网络模型MSCNN-LSTM-BP。将多尺度学习融入CNN,MSCNN和LSTM以串行方式提取数据在空间维度和时间维度的二维特征。实验结果表明:3尺度的MSCNN-LSTM-BP对数据样本的分类准确率达到98.2%,单组电容数据采集测试时间仅为2.1986ms,综合分类率F1达到98.57%,总体性能优于CNN,LSTM和传统的多尺度特征提取方法。MSCNN-LSTM-BP满足航空发动机滑油监测对于实时性和准确性的要求,具有良好的适用性。     

基于三迭代与二阶锥规划的机载MIMO雷达稳健降维STAP方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)中期望目标导向矢量的失配问题,提出一种基于三迭代(TRIA)与二阶锥规划(SOCP)的稳健降维MIMO-STAP方法。首先将MIMO-STAP权矢量分解为发射、接收、多普勒3个低维权矢量的Kronecker积,然后分别限定实际发射、接收、多普勒导向矢量与假定导向矢量之间的误差范数边界,通过优化最差性能,利用SOCP对各个低维权矢量进行三迭代求解,最后进行权矢量合成。该方法在保证机载MIMO雷达获取稳健STAP性能的同时,通过三迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。仿真结果验证了算法的有效性。     

基于长短期记忆网络时序数据趋势预测及应用

为了研究状态监测大数据对设备运行状态的估计和预测,提出了一种人工经验与主成分分析相结合的长短期记忆网络方法（AEPCA-LSTM）,利用运行过程中的监测时序数据对设备运行趋势进行预测。首先,通过基于人工经验的主要成分分析方法（AEPCA）从状态监测系统中提取与目标变量最相关的状态变量作为输入;其次,利用长短期记忆网络（LSTM）对目标变量趋势变化进行预测,并考虑运行过程中新数据样本的持续产生,对模型进行定期更新,以提高模型的动态适应性。最后,将所提出的方法应用于船舶副机系统的涡轮增压器转速预测中,结果表明该方法相对于传统的PCA-LSTM和LSTM,具有更小的预测平均误差0.18037,即展现了其在时序数据趋势预测的优势。     

航空发动机高压转子试验模型的动力学相似设计

为了获得能够替代航空发动机转子原型进行动力学试验的模型，提出了发动机转子系统试验模型的动力学相似设计方法。采用相似理论推导了转子系统缩比模型的动力学相似准则，继而建立缩比模型与原型的动力学相似关系。通过动力学优化方法对转子缩比模型的动力学等效模型进行修正，目标函数由固有频率、临界转速和振型组成。以双转子发动机高压转子系统的动力学相似设计为例，通过有限元仿真对设计方法的有效性进行了验证。结果表明，在设计转速范围内，动力学相似模型与原型的前两阶临界转速相似误差分别为3.92%和0.86%，对应振型的相关性均大于0.98，且模型与原型的模态应变能分布基本一致。通过该方法获得的动力学相似模型能够较好地预测原型的动力学特性，并有效降低模型试验的成本和难度。     

基于DKF的IMU误差预测算法

作为导航领域常用的组合导航方式,全球导航卫星系统(GNSS)/惯性导航系统(INS)组合导航在GNSS信号失锁后,由于惯性测量单元(IMU)误差随时间迅速积累,其定位结果会偏离载体真实位置,导航精度下降.针对此问题,提出了一种长短期记忆网络(LSTM)辅助的算法,称之为深度卡尔曼滤波(DKF)算法.DKF算法的核心思想是使用LSTM训练IMU误差模型,然后通过训练出的模型预测IMU误差,最后将预测的IMU误差代入IMU数据以校正导航结果.仿真结果表明:在200s测试数据上,DKF算法将误差从1.1537m/s降低到0.3746m/s.与平均预测、卡尔曼预测和最小二乘估计等方法相比,DKF算法的误差最小,具有更优越的导航性能.     

Bipartite graph-based control flow checking for COTS-based small satellites

Single event upset(SEU)effect,caused by highly energized particles in aerospace,threatens the reliability and security of small satellites composed of commercial-off-the-shelves(COTS).SEUinduced control flow errors(CFEs)may cause unpredictable behavior or crashes of COTS-based small satellites.This paper proposes a generic software-based control flow checking technique(CFC)and bipartite graph-based control flow checking(BGCFC).To simplify the types of illegal branches,it transforms the conventional control flow graph into the equivalent bipartite graph.It checks the legality of control flow at runtime by comparing a global signature with the expected value and introduces consecutive IDs and bitmaps to reduce the time and memory overhead.Theoretical analysis shows that BGCFC can detect all types of inter-node CFEs with constant time and memory overhead.Practical tests verify the result of theoretical analysis.Compared with previous techniques,BGCFC achieves the highest error detection rate,lower time and memory overhead;the composite result in evaluation factor shows that BGCFC is the most effective one among all these techniques.The results in both theory and practice verify the applicability of BGCFC for COTS-based small satellites.     

基于深度学习的辅助动力装置性能参数预测方法研究

针对传统机器学习的辅助动力装置(Auxiliary Power Unit, APU)性能参数预测方法不能充分利用参数数据间的时序性和非线性问题,提出了一种基于卷积神经网络(Convolutional Neural Network, CNN)-长短期记忆(Long Short-Term Memory, LSTM)-注意力(Attention)的APU性能参数预测方法。首先,引入一维CNN,通过预处理的参数数据得到不同属性的抽象特征。然后,使用LSTM神经网络对这些特征进行记忆,并结合可以对特征状态赋予不同权重的Attention机制来实现参数预测。使用某型APU的参数数据预测未来不同步长的排气温度(Exhaust Gas Temperature, EGT)。实验结果表明,对于单步EGT的预测,CNN-LSTM-Attention模型在平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)指标上比CNN-LSTM、LSTM和简单循环神经网络(Simple Recurrent Neural Network, Simple RNN)模型分别降低了15.2%、32.5%、60.3%,在均方根误差(Root Mean Square Error, RMSE)指标上分别降低了7.3%、11.6%、32.9%。同时它在多步EGT的预测中具有较高的预测精度,证明了该方法的有效性,为短期APU性能变化趋势预测提供一定的参考。     

基于深度学习的突防控制博弈对象匹配方法CSCD

针对基于博弈理论设计应对多枚拦截弹的协同突防控制方案时需要确定博弈对象的问题,提出了一种基于长短时记忆(LSTM)网络的拦截弹攻击对象匹配方法。基于传统防空导弹飞行时序与流程构建拦截弹飞行轨迹库,以轨迹库为训练样本对LSTM网络进行训练,并以此为基础构建航迹预测模型与对象匹配模型,实现对拦截弹攻击对象的识别。仿真结果表明,该方法能够有效识别拦截弹拦截目标,为后续的巡航弹突防研究提供支撑。     

Adaptive modification of turbofan engine nonlinear model based on LSTM neural networks and hybrid optimization method

An accurate and reliable turbofan engine model which can describe its dynamic behavior within the full flight envelop and lifecycle plays a critical role in performance optimization, controller design and fault diagnosis. However, due to the performance differences caused by the tolerance of engine manufacturing and assembly, and performance degradation during continuously stringent environmental regulations, the model accuracy is severely reduced. In this paper, an adaptive modification method of turbofan engine nonlinear Component-Llevel Model (CLM) based on Long Short-Term Memory (LSTM) Neural Network (NN) and hybrid optimization algorithm is pro-posed. First, a dynamic compensator with a combined LSTM NN architecture is constructed to compensate for the initial error between the experimental data and CLM of a turbofan engine under health condition. Then, a sensitivity analysis approach based on the entropy coefficient and technique for order preference by similarity to an ideal solution integrated evaluation is developed to choose the unmeasurable health parameters to be adjusted. Finally, a parallel hybrid optimization algorithm is developed to complete the adaptive model modification when the performance degrades. The proposed method is verified on a military low-bypass twin-spool turbofan engine, and the experimental results show the effectiveness of the proposed method.     

递推最小二乘法在角位置误差检定中的应用

全组合方法能够把测角系统的角位置误差和棱体的工作角偏差有效地分离出来。在满足角位置误差测量精度的情况下,为了提高测试效率,将递推最小二乘法应用于组合测角中。本文以23面棱体与391齿盘的偏差检定为例,设计了递推最小二乘法的检测软件,实现了每增加一个量测序列,就可以显示新的工作角偏差向量,新的测试的残余误差与计算的随机误差的标准差,提高了测试效率。此方法不仅可以用于棱体一齿盘的检定中,而且可以用于圆感应同步器、光栅等测角系统中。     

吸气式涡轮冲压发动机性能模拟及验证

为验证吸气式涡轮冲压发动机(ATR)模型的精度,参考国外公开的试验数据,对现有ATR模型进行了修正.使用修正后的模型模拟了ATR节流性能和过渡态性能.计算结果和试验数据对比表明:高换算转速条件下的计算结果与试验结果相对误差在1%以内;低换算转速条件下,由于燃气发生器燃气性质和燃烧室出口燃气性质不准确,相对误差有所增加,但未超过5%.全换算转速范围内各参数变化趋势相同.对比结果表明该ATR模型可以很好地模拟ATR慢车以上工况的性能,同时证明了现有ATR模型的可靠性和合理性.      

Heading and Speed Errors for x, y Tracking Filters

Heading and speed errors are analytically determined for noneumavering targets at the output of an x, y tracking filter which processes range and bearing measurements from a radar sensor in a track-while-scan (TWS) operation. These errors are shown to depend upon target range and speed, the angle between the radius and velocity vectors, sensor accuracies, and tracking filter parameters. eters. Depending upon the tracking filter implementation, these errors may also be a function of target bearing.     

管制-飞行状态相依网络演化过程

动态、准确的管制系统运行态势预测是航空运输系统各相关单位开展协同决策的关键基础。基于航空器间的冲突情况、管制员对航空器的管控情况以及管制移交情况构建管制-飞行状态相依网络,探究、分析其演化规律,采用相关性分析和主成分分析证明了所选5项指标的合理性。设置自由飞行和固定航线飞行两种仿真场景,通过计算平均节点度、平均点强等拓扑指标的最大李雅普诺夫指数证明各时间序列均具有混沌特性,选择长短期记忆（LSTM）人工神经网络方法对各时间序列的演化规律进行预测,并与其他预测算法进行对比。仿真结果表明LSTM算法能对管制系统的演化过程进行有效的预测,且预测精度高于贝叶斯算法和支持向量机算法;在自由飞行条件下,5项指标的预测误差绝大部分在20%以内,固定航线飞行的预测效果优于自由飞行。     

MLP高阶重构格式应用

在有限体积框架下,利用MLP(multi-dimensional limiting process)系列重构格式结合HLLHLLC(Harten-Lax-van Leer with contact)近似黎曼求解器,同时引入激波探测函数进一步降低MLP在光滑流动区域的数值耗散,数值模拟了超声速前台阶流动、结冰翼型的非定常流动、高超声速双楔流动和DLR F6-WB跨声速流场,研究了MLP系列格式在可压缩复杂流场中的表现.结果表明:在多维空间中,MLP格式能够在如强斜激波与网格线不重合等复杂流场数值模拟中保持严格的流场单调性;具有和传统MUSCL(monotone upstream-centered schemes for conservation laws)格式类似的计算效率,可以实现5阶,甚至更高阶重构;数值耗散更低,捕获更准确的激波位置,对航空工程数值模拟具有重要意义.     

超燃冲压发动机燃烧流场纹影图像无监督分割方法

超燃冲压发动机燃烧室流场纹影图像常存在大量噪声信号,如何高效、准确提取燃烧流场图像的主要波系结构成为当前亟需探索的问题。以超燃冲压发动机燃烧室内冷流到氢燃料点火阶段流场为研究对象,基于深度神经网络方法,发展一种燃烧室内流场的关键波系结构快速识别方法。首先,采用基于图论的超像素分割方法对纹影图像进行聚类分割,为语义信息明显相同区域分配伪标签;其次,设计了一种全卷积特征提取神经网络,并使用残差结构对各个通道进行加权,提取纹影图像高级语义特征;最后,使用交叉熵目标函数优化网络模型,并通过阈值滤波操作去除噪声像素点,提升语义分割效果。结果表明：与K-means及自适应高斯阈值方法相比,本文提出方法在准确率、召回率、F1分数和交并比指标性能明显是最优的,能够准确完成燃烧流场纹影图像语义分割任务,可以更加清晰地反应流场内的主要波系和剪切层结构     

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。