监视参数预测和故障识别法

将时间序列分析方法应用于航空发动机状态监视与故障诊断中, 采用自回归模型, 对监视参数进行趋势预测。进一步将时序分析与模式识别技术相结合, 通过构造判别函数和用参数相关分析法, 识别发动机典型故障。      

基于AR模型对滑油中金属元素含量的预测

利用时间序列分析方法对某型航空发动机滑油监控系统中需重点监控的金属元素含量建立了AR模型。并根据该模型对其含量变化趋势进行了预测分析。某部队通过对不同实测数据的检验证明，可根据该模型的预测结果预报金属含量是否招标。     

滑油光谱分析的时序建模与故障预报研究

本文讨论了时序建模方法在机械设备滑油光谱分析中的应用,通过运用ＡＲ模型对采集的航空发动机滑油光谱数据进行时序建模和预测分析,获得了满意的效果。这一成果,为机械设备的状态监控和故障预报提供了一种实用方法。     

航空发动机转速信号的ARMA模型预测方法研究

提出了一种基于时间序列理论的分析和预测某型航空发动机转速信号的方法,建立了描述发动机额定转速变化规律的ARMA（3,1）模型,并对发动机转速进行预测。结果表明,所建模型能够以较高精度预测未来一段周期内发动机转速信号的发展趋势和数值大小,说明采用时序分析方法进行航空发动机转速信号预测有效可行。     

逐步回归法在反舰导弹火控建模中的应用

用均匀试验设计方法布点，计算了反舰导弹的标准弹道，根据获得的弹道数据，用逐步回归分析方法建立了各种发射条件下预报弹道坐标的预报模型，该模型计算简单、精度高。此建模方法也可应用于其他领域。     

基于最小二乘估计原理的飞机流量预测

流量预测是空域评估管理系统的重要组成部分，目前流量的预测方法主要有回归分析和时间序列方法。应用系统辨识理论介绍了最小二乘格式模型在空中交通流量预测中的应用，以全国为例，根据所建立的模型对飞机的年流量进行了预测，并与回归分析方法做比较，说明了该方法的有效性。     

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。     

某型发动机滑油颗粒监测试验数据预测分析研究

针对某型发动机滑油颗粒监测试验数据预测分析的需要,主要研究了时间序列模型和灰色模型两种预测模型,并有机结合起来,形成新的灰色时序模型;分别进行预测分析,并比较预测精度。预测结果表明:灰色时序模型预测精度高,具有很好的预测能力,有较高的实用意义。     

经济增长非线性时序预测方法研究

分析了经济系统非线性时诹预测的国内外研究现状、现代经济增长模型在预测中存在的不足之处，阐述了经济增长系统的非线性、动态反馈性、开放性等特征，并应用非线性时序理论，研究了经济增长的非线性时序预测问题，给出了经济增长非线性时序预测的方法。     

全球疫情下的中国内地航空网络对外连通性

新冠肺炎疫情给世界航空网络的连通性造成重大影响，网络的通达程度明显降低。为了研究中国内地的航空网络对外连通性在疫情影响下的变化，提出对外连通效率这一评价指标，并根据国内外疫情爆发不同阶段的特点采用不同的链路删除规则进行分析。研究结果表明：在疫情爆发前期，因许多国家对中国内地旅客采取入境限制措施，中国内地的航空网络对外连通效率与疫情前相比下降率最大达到39.8%，同等情形下，禁止入境措施对中国内地的对外连通性影响比停飞直航大将近一个数量级，而这两种限制措施造成的影响在不同国家间的横向差异性也巨大。此外，一些与中国内地不存在直航的国家如果采取限制入境措施，也会对中国内地的对外连通性产生很大影响。在疫情爆发中后期，全球的航线连接缩减并未对中国内地的航空对外连通性产生明显影响，中国国际航线间的连通替代关系大大提升了航空网络在此类极端情形下的鲁棒性。     

风扇湍流宽频噪声特性的数值计算分析

基于Gliebe发展的风扇自噪声经验预测模型与Mugridge-Morfey发展的湍流-叶片干涉噪声分析预测模型,以GE公司R4风扇为研究对象,详细分析了风扇自噪声与转子尾迹湍流-出口导叶干涉宽频噪声(湍流干涉噪声)的特性.研究了不同的风扇设计参数和湍流参数对风扇自噪声与湍流干涉噪声的影响.计算结果表明:湍流干涉噪声对风扇宽频噪声起着主要作用,湍流干涉噪声比转子自噪声大约6~10dB,比出口导叶自噪声大约20dB.此外,出口导叶来流速度对湍流干涉噪声的影响最大,来流速度增大15%时,声功率可增大4dB左右.湍流强度对湍流干涉噪声影响较大,当湍流强度增加30%时,声功率增大约1.5dB.      

非典事件对民航客运的干预影响分析

随着人们消费能力的增强和航空业市场化的深入,中国民航客运量发生了爆炸性的增长,但由于民航面对的是高端客运市场,行业具有高风险的特征,容易受到外部冲击的影响。通过时间序列模型的干预分析考察了非典事件对民航客运量的影响。从分析结果看,非典外部冲击对民航客运量的负面作用很快被市场反弹和相关优惠政策抚平,并对客运量的增长带来了持续的正影响。这一结果说明高速发展阶段的民航对抗非典这类外部冲击的能力较强,直接和滞后的减税政策并非最优的政策选择。     

限带高斯白噪声声压时程模拟的修正三角级数法

针对传统三角级数法模拟高声压级下的高斯白噪声声压有效值与理论值存在误差的问题,提出一种修正三角级数法,预先将各谐波振幅置为1,最后调整声压有效值为理论值,模拟过程简单,消除了传统方法模拟有效值与理论值之间的误差。数值模拟得到的声压时程数据准确可靠,具有良好的随机性,表明方法用于限带高斯白噪声声压时程模拟具有合理性、可行性。     

广义时变ARMA序列预测方法

提出一种广义时变ARMA序列预测方法,给出时变序列和广义时变序列的预测公式及其均方误差。该方法能够对均值、方差、自回归系数和滑动平均系数都随时间变化的广义时变序列(或信号)进行分析和预测,可广泛应用于气象、通信、自动控制、结构响应分析和故障诊断等领域。大量计算表明,本文方法与传统方法相比,具有更高的预测精度。      

大型客机起飞着陆过程噪声辐射特性对比分析

 基于准稳态假设和分布点声源模型,并采用最新发展的噪声源半经验参数预测公式,发展和完善了用于飞机飞行过程中噪声辐射预测的计算模型和方法。该计算方法能够预测飞机起飞、着陆过程中的适航噪声,并能够对飞机不同噪声源的噪声辐射特性（声级、频谱特性和指向性等）进行计算分析。以某大型客机为对象,对飞机进场着陆过程和起飞过程中飞机噪声源进行了计算分析,计算结果表明,飞机进场着陆和起飞过程中,不同噪声源对远场噪声级的影响有明显的差异,起飞过程中发动机风扇噪声源是最主要的噪声辐射源,而在进场着陆过程中飞机机体噪声（包括起落架和襟翼等）是重要的飞机噪声源。文中也给出了不同噪声源频谱特性和指向特性等。     

基于支持向量经验模态分解的故障率时间序列预测

 针对故障率时间序列的非线性与非平稳特性,提出一种基于支持向量经验模态分解(SVEMD)的预测方法。首先,将故障率时间序列分解为多个固有模态函数(IMF)与一个余量(RF),利用最小二乘支持向量机(LSSVM)预测时间序列两端的局部极值点,以抑制传统经验模态分解(EMD)的边缘效应;同时以LSSVM回归方式形成包络线,以取代传统EMD中的三次样条插值;然后,建立各IMF与RF的预测模型;最终,将各IMF与RF的预测结果相加以获得故障率时间序列的预测结果。仿真结果表明,该方法的预测精度较传统基于EMD的预测方法与单一预测方法有显著提高,可实现对故障率的准确预测。     

基于预测模型迭代优化的改进比例导引律

为了提高对加速度时变机动目标的制导精度,将预测决策理论与传统比例导引(PN)相结合,提出了一种通过泰勒级数预测模型迭代控制加速度修正项的改进比例导引律。首先,以预设的低阶泰勒级数预测模型预测特定时间的位移,并计算位移预测值与测量值的差值;然后,通过迭代方法逐阶增加泰勒级数预测模型阶数,直至满足精度要求;最后,计算泰勒级数预测模型的二阶导数,修正比例导引律的加速度指令。仿真结果表明,传统PN和APN的脱靶量分别约为195 m和95 m,提出的改进比例导引律的脱靶量约为8.3 m,极大地提高了制导精度。     

改进的多级涡轮噪声经验预测模型

基于早期的涡轮噪声经验预测模型和涡轮噪声试验数据,对影响涡轮噪声的关键涡轮参数进行了分析,发展了改进的多级涡轮噪声经验预测模型.该模型由单级涡轮噪声计算、涡轮噪声在下游涡轮级中传播的衰减量计算和各级涡轮噪声叠加3个部分组成.采用涡轮噪声试验数据对单级涡轮噪声计算方法进行了验证.结果表明:该单级涡轮噪声计算方法的计算结果误差小于1.5dB.由试验数据拟合得到的涡轮噪声叶片排衰减经验预测模型也被应用于该改进的多级涡轮噪声经验预测模型中.与早期经验预测模型相比,改进模型的计算方法更合理,噪声预测结果更可靠.      

改进的单级风扇单音噪声解析预测模型

针对单级轴流风扇单音噪声的声模态与声功率(PWL)预测,基于早期的二维叶栅噪声解析预测模型,开发了改进的三维单级风扇噪声解析预测模型。主要目的是可以通过该预测方法快速、准确地给出声场信息以优化风扇设计方案。该模型由模拟转子粘性尾迹,求解静子表面非定常载荷以及模拟管道噪声传播三个部分组成,并采用单级轴流风扇噪声试验数据对该解析预测模型的结果进行了验证。与试验数据相比较,该解析预测模型1BPF单音噪声预测结果误差1.5dB,2BPF单音噪声预测结果误差5dB,同时给出了合理的周向与径向模态声场模拟结果。与传统的叶轮机噪声解析预测模型相比,该方法不仅考虑了三维几何,还可以模拟出管道内的声场结构,计算方法更为合理,噪声预测结果也更为可靠,具有很好的工程应用价值。     

燃烧室声载荷时域信号预测自回归模型—时域Monte Carlo法预测结构声疲劳

利用航空发动机燃烧室噪声测试数据,采用时间序列自回归滑动平均分析方法建立了燃烧室噪声及动压预测模型ARMA(17,16),并用其对噪声时间历程进行了最佳预测.