多传感器监测飞机部件非线性退化评估

飞机部件一般采用多传感器进行状态监控,针对退化过程具有非线性特征的民机典型部件剩余寿命（RUL）预测及评估问题,首先建立了部件性能参数的一般非线性Wiener退化过程,推导出基于多传感器监测数据的剩余寿命预测框架和概率密度函数,随后利用状态空间模型进行隐退化状态估计并同时利用最大期望算法（EM）实现参数递推估计,最后形成了飞机部件多传感器监测下的剩余寿命非线性退化评估方法。通过数值仿真案例和民航发动机剩余寿命预测案例,对比线性退化模型和基于单一传感器监测数据的非线性退化模型,验证了所提方法在提高剩余寿命预测精度的有效性,可为飞机及其部件的剩余使用寿命预测和视情维护决策提供技术支撑。     

基于多元线性回归的发动机性能参数预测

在对发动机性能参数相关性研究基础上,结合多元线性回归预测模型,提出了一种能够考虑发动机众多因素对因变量影响的发动机性能预测模型.使用该模型对发动机排气温度(EGT)进行预测时,能够兼顾到p_4.95,N₂,T₃,N₁,p_B等性能参数对EGT影响.最后使用一组某民用机型发动机飞行试验数据对模型进行了验证,并与加权一阶局域法进行了对比.结果表明,该模型预测精度优于加权一阶局域法,该方法可以为这种机型发动机故障预测提供决策依据.      

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。     

NARX神经网络在航空发动机EGT趋势预测中的应用

航空发动机的健康状态是保证飞行安全的重要因素,能在早期发现发动机隐藏的故障,通过预测发动机性能参数的变化趋势来掌握发动机性能衰退情况,实现对发动机健康状态的准确判断,具有重要的意义。针对航空发动机性能参数的数据特点,提出将动态神经网络中的NARX(非线性自回归)神经网络模型运用到性能参数的预测中,并用航空发动机排气温度(EGT)的趋势预测对该方法进行了验证。验证结果表明,这种方法在性能参数预测的精度上优于BP神经网络的预测结果。     

基于集成学习的航空发动机排气温度预测

准确预测排气温度对预知航空发动机未来的工作状态至关重要。然而,传统航空发动机排气温度预测模型存在预测精度有限、对时间序列数据的信息利用率不足等问题。提出了一种多模型集成的航空发动机排气温度预测方法,被集成的子模型包括差分整合移动平均自回归模型、一次指数平滑模型和门控循环单元。对所有子模型的预测序列进行加权集成处理,提出了一种在历史发动机性能参数数据上学习最优权重系数的方法,避免了传统优化算法依赖于初始点的选取且其适用性局限于可微函数等问题。在Cessna-172R型飞机发动机排气温度预测问题中相较子模型准确性更高。     

基于多模型的舵面故障诊断方法研究

为了有效识别舵面破损带来的舵效减弱等问题,以IFSTA变稳飞机的非线性模型为基础,建立了合适的舵面故障模型库;利用卡尔曼滤波算法计算各故障模型的预测误差,使用多元高斯分布的概率密度公式计算各模型估计误差的概率密度;最终通过各模型的预测概率实现飞机舵面故障识别。仿真及试验表明,所提方法能够快速地将当前故障与故障库中的模型进行匹配,具有良好的故障诊断能力。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

小样本下基于偏最小二乘回归的航空发动机性能参数预测

排气温度(EGT)是反映民用航空发动机运行状态的重要性能参数之一,本文基于发动机各个性能参数存在相关性研究的基础上,针对小样本、贫信息量、多自变量影响的情况,结合偏最小二乘回归分析,提出了一种小样本条件下考虑发动机众多因素对EGT影响的发动机性能短期预测模型。作为试验验证,文中选取了某民用飞机发动机实际飞行数据对模型进行检验,并与大样本、足信息条件下建立的多元线性回归预测模型进行对比,结果表明该模型在贫信息下也可以达到很高的预测精度,为少数据条件下发动机性能参数短期预测提供了一个有效途径。     

多航路点协同约束下的飞机性能参数优化

针对多航路点协同约束下飞行轨迹预测中飞机性能参数优化问题,依据飞机进场剖面构建了飞机进场轨迹,并提出了飞机进场航路点协同约束合理性的验证方法。创建了两种多目标适应度函数并进行对比、选择,在简化问题复杂性的同时保证了优化模型运行的稳定性,并基于多目标遗传算法建立了优化求解模型。仿真结果表明,该优化模型能对具有多个航路点协同约束下的节油飞机性能参数进行有效求解,使用非线性适应度函数较线性适应度函数综合稳定性提升了161. 67%,所提出的RTA约束窗口大小设置方法对空管实际运行有指导意义。     

地面停放飞机局部温度环境研究

确定地面停放飞机局部温度环境的变化规律是编制飞机结构局部环境谱和解决传感器"温漂"问题的关键工作。为此,开展了地面停放飞机局部温度实测工作,对不同舱室的温度变化规律进行了分析;基于模糊聚类的方法,根据局部温度的差异将飞机舱室划分为3类;选取结构系数和日照系数为关键参数,研究了环境温度对局部温度的影响规律;以百叶箱温度为自变量,建立了飞机局部温度模型;并通过统计方法确定了3类舱室温度模型关键参数的取值范围。研究结果表明:同一密闭状态下的不同飞机舱室可以有较大的温度差异;影响舱室温度的主要因素有日照、降雨以及舱室的结构形式和位置;实测温度与模型预测温度的对比证实了模型具有较高的精度。     

战斗机超机动飞行自抗扰控制器设计

提出了一种利用自抗扰控制器算法在大包线范围内设计超机动飞行控制系统的新方法。根据奇异摄动理论和自抗扰控制器能够动态补偿系统模型扰动和外扰的特性,在超机动飞行的快慢子回路中分别引入自抗扰控制器,实现了快变量和慢变量的动态解耦控制。控制律设计直接依据超机动飞行的强耦合、强非线性模型,在很大的包线范围内不需要改变控制器的结构和参数,大大简化了设计过程。大包线范围内的大迎角机动仿真结果表明,系统具有良好的动态和稳态性能,控制器具有很强的鲁棒性,为解决大包线范围内的超机动飞行控制问题提供了一种新的途径。     

一种基于模型误差预测的UKF方法

UnscentedKalman滤波器（UKF）对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF（PredictiveUnscentedKalmanFilter）。它利用非线性预测滤波器（NPF）的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。     

卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用

 针对航空发动机排气温度的变化过程受复杂非线性时变因素的影响而难以用精确数学模型描述的问题,提出了卷积和离散过程神经网络(CSDPNN)模型,并将其应用于航空发动机排气温度(EGT)预测。该模型以离散样本作为直接输入,采用卷积和算法实现对时间累积效应的处理。相较于以连续函数作为输入的过程神经网络(PNN),不需要拟合离散样本得到连续函数后进行正交基展开,减少了精度损失,具有更高的预测精度。给出了卷积和离散过程神经网络模型的学习算法,并通过对Mackey-Glass混沌时间序列的预测对提出的方法进行应用说明和验证。通过航空发动机EGT预测实例,并与卷积和离散过程神经网络模型的连续函数输入过程神经网格以及传统人工神经网络(ANN)的预测结果进行了对比。结果表明,相较于连续函数输入过程神经网络以及传统人工神经网络,卷积和离散过程神经网络具有更高的预测精度,且对于EGT的预测具有较好的适应性,因而为航空发动机EGT预测提供了一种有效的方法。     

航空发动机多变量鲁棒数字控制器的设计

提出了一种设计发动机多变量鲁棒数字控制器的方法,即在划分的飞行包线内,控制结构采用前馈加反馈的方法,对结构不确定性和非结构不确定性进行μ结构化处理,化为H∞控制问题求解,这一方法在发动机非线形气动热力模型上进行了仿真验证。      

一种超声速状态下机载推进系统模型的建模方法

为了满足机载航空推进系统模型对精度、实时性及数据存储量的苛刻要求,提出了一种机载模型建模方法.对传统的机载稳态模型建立过程中使用的相似准则进行了充分讨论,得出了一种具备更高建模精度的相似准则.在新的相似准则基础上,建立了包含泰勒展开式中非线性2阶项的高精度稳态变量模型,有效解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题;为了解决超声速状态下安装推力与发动机净推力差别较大的问题,建立了考虑外流特性的简化进气道模型,给出了一种计算安装推力的方法,即由简化发动机模型计算安装推力中符合相似准则的部分,由进气道模型计算溢流阻力、放气阻力及发动机推力中不符合相似准则的部分.仿真结果表明:基于新的相似准则所建立的机载模型具有大包线、变状态适应性,输出参数误差均在0.5%以内.      

Robust optimization of control command for aerospace vehicles with aerodynamic uncertainty

To reduce the design burden of Aerospace Vehicles(ASVs) control systems, this paper proposes a multi-constrained robust trajectory optimization method, which provides a good front-end input for the control system. Differ from the conventional aircraft, some control performance of ASVs is not only related to the model parameters, but also affected by the flight status.Therefore, the robust optimization method combines this characteristic of ASVs, sets the control performance as one of the optimiz...     

基于参数不确定性的MAV模型线化方法研究

微型飞行器(MAV)体积小、重量轻,设计参数与飞行状态参数的微小变化对其飞行性能影响很大,MAV飞行控制器的设计必须考虑这些不确定性因素。本文对此进行了分析,讨论了对具有参数不确定性的MAV系统进行线性化处理的方法与步骤,针对某无尾MAV的一组优化设计开展了相关研究。     

Modeling and flapping vibration suppression of a novel tailless flapping wing micro air vehicle

This paper establishes and analyzes a high-fidelity nonlinear time-periodic dynamic model and the corresponding state observer for flapping vibration suppression of a novel tailless Flapping Wing Micro Air Vehicle(FWMAV), named NPU-Tinybird. Firstly, a complete modeling of NPU-Tinybird is determined, including the aerodynamic model based on the quasi-steady method, the kinematic and dynamic model about the mechanism of flapping and attitude control,combined with the single rigid body dynamic mod...     

飞行数据相容性检验技术

飞行试验测量数据中存在过程噪声和测量噪声,导致飞行数据之间不相容,国内目前常用的输出误差法不适用于耦合严重的直升机飞行数据相容性检验。采用增广卡尔曼滤波方法进行状态估计,大幅度地消除测量值中的误差;再用输出误差法对增广卡尔曼滤波估计的结果进行相容性检验,并将其应用于直升机四阶纵向等效模型辨识中。结果表明:提出的这种方法既解决了单独使用增广卡尔曼滤波进行数据相容性分析时由于初期收敛过程造成的滤波误差问题,又克服了单独使用输入误差法进行数据相容性时需手动修改时间延迟问题和测量值中误差过大时输出误差法无法收敛问题,使得检验效果与计算效率大幅提升。