航空网络关键节点辨识的核极限学习机算法研究

通过技术手段准确识别航空网络的关键节点,对航空网络平时的正常运行以及战时的防御和修复,具有重要的理论意义和参考价值。提出一种基于核极限学习机的航空网络关键节点识别方法,首先,采用层次分析法对节点综合重要度进行评估;然后,选取三个简单指标,基于核极限学习机学习简单指标与综合重要度之间的映射关系,建立重要度评估模型;最后,以中美两国航空网络为例进行仿真。结果表明:仅需计算 40 个节点的复杂指标值,就可对关键节点取得较满意的辨识效果,降低了计算复杂度,提高了辨识效率,即采用本文方法辨识航空网络的关键节点是有效、可行的。     

通用航空机队设备可靠性动态识别模型

通用航空机队设备可靠性是通航单位安全运行的前提条件,是影响运营单位经济效益的重要因素之一。根据通航单位机队设备可靠性数据统计、分析及实际使用情况,采用ATA100章节名称作为指标源。综合可变模糊识别方法和权重阶梯朴素贝叶斯分类器模型的优势,构建了通用航空机队设备可靠性动态识别模型。为了避免主观给定指标权重导致的不合理,应用熵权法客观获取指标权重。最后利用实例测试样本验证了权重阶梯朴素贝叶斯分类器的合理性,并基于该方法对待识别样本进行了可靠性状态识别。实例分析表明：基于权重阶梯朴素贝叶斯分类器的通用航空机队设备可靠性状态识别模型具有较强的可行性和合理性,为通用航空机队设备可靠性状态提供了一种科学的识别方法。     

基于TBS 的航空发动机技术风险识别方法研究

为提升中国航空发动机研制项目中技术风险的管控能力,根据航空发动机的研制特点,提出1种基于技术分解结构的航空发动机技术风险识别方法。该方法涵盖技术分解结构的构建方式、技术风险的识别方法和排序方法等内容,通过在实际发动机研制项目中的应用,证明该方法有效、可行,能够实现技术风险完整、合理地识别,同时提出了该方法在应用过程中应注意基于TBS的技术风险识别为动态过程等问题,为中国航空发动机研制行业技术风险的识别提供参考。     

LEO移动通信星座的网络综合连通度研究

 为了研究通信星座服务区域内不同地面用户之间的通信连通情况,提出了网络综合连通度(DCNC)的概念.作为服务可用性(AoS)的重要内容,网络综合连通度应该成为通信系统的一项重要性能评价指标,对系统的顶层设计起到主导作用.首先给出了星座网络综合连通度的相关定义,在此基础上基于星间链路约束和星座覆盖约束建立了LEO移动通信星座的网络综合连通度的评价模型.然后基于该模型,分别改变轨道高度和轨道倾角,就不同星座的网络综合连通度如何变化进行了仿真计算和分析.结果表明,二者都对星座的网络综合连通度有显著影响,适当减少轨道面数有利于改善网络综合连通度.最后研究了星座缺失卫星时不连通地面点的纬度分布情况,研究结论有助于在概念设计阶段对星座构型优化后的参数进行优选.     

考虑速度调节影响的进近空域容量评估

为了解决管制员在管理进近空域流量时出现实际流量低于理论流量的问题,根据运输类飞机适航标准和管制员调速规则和原则,提出了考虑下达指令时机的航段容量计算模型,由现行的进近空域结构能够发现进近空域是由多个航段连接形成了一个航路网络,根据历史统计数据得到的交通流比例,结合网络流中最大流最小割理论对进近空域容量进行评估。实例分析结果表明：在下达管制指令时间范围内,通过约束管制指令使航空器在同一减速点进行减速时,减速航段容量的最大值与最小值相差0.88架次/h,进近空域容量评估结果为：最大容量为43.79架次/h,最小容量为43.61架次/h;方法可以有效解决问题并且评估结果贴合运行实际容量。     

航空发动机技术成熟度评价方法应用研究

为提升中国航空发动机研制项目中技术风险的管控能力,支撑项目决策,根据中国航空发动机研制特点,结合国外技术成熟度评价的成功经验,提出了1套适用于中国航空发动机研制的技术成熟度评价方法,重点针对航空发动机全生命研制周期内的技术成熟度等级控制要求、关键技术元素的识别方法、技术成熟度等级评价标准、技术成熟度评价工具等方面进行了介绍。通过选取典型项目作为试点进行验证,证明该方法有效、可行,能够实现项中技术风险的识别与管控,为中国航空发动机研制中技术成熟度评价方法的应用提供借鉴。     

航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

基于粒子群优化算法的永磁电机热网络参数识别

监测永磁电机的永磁体温度对于保证电机的使用寿命至关重要,因为过高的温度会产生永磁体不可逆失磁现象。提出了一种基于粒子群优化算法的永磁电机热网络参数识别方法,实现用热网络监测永磁体的温度。该方法首先建立永磁电机的热网络模型,利用粒子群优化算法结合电机温升试验所得温度数据对热网络模型的主要热力参数进行识别;然后利用该热网络模型进行在线温度识别,识别过程能够快速收敛,具备良好的辨识精度;最后,通过对比仿真识别温度和电机温升试验数据,验证了该方法的准确性。     

自适应核模式分析方法及其在航空发动机部件性能衰退识别中的应用

针对测量数据因其部件之间的耦合不能有效识别各个部件性能衰退程度的问题,提出一种基于性能修正因子核模式分析的发动机部件性能衰退识别方法,并能与传感器测量偏差区分开。首先将传感器测量数据输入到自适应模型中去,产生一组用于识别部件性能衰退的修正因子。将修正因子参考模式通过核模式映射到高维特征空间中去,在此可分(基本可分)空间中完成识别。考虑到修正因子参考模式在高维空间中映射的像呈带状分布,几何距离不能有效识别,基于此采用神经网络方法对模式进行识别。识别成功率达到94.34%。进一步分析了特征约简的输入维数对识别效果的影响以及所提方法的泛化能力。考查了噪声对模式识别的影响,得到幅值3%以内的噪声对识别结果无明显影响。证明了“自适应模型+核模式分析+神经网络”识别方法是可行的。      

基于GA-ELM的飞行载荷参数识别

针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(GA)和极限学习机(ELM)的GA-ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM网络输入层到隐含层的权值矩阵和隐含层偏移量;用GA-ELM模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA-ELM模型是一种有效且高精度的飞行载荷参数识别方法。