基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

面向任务携行航材消耗影响因素研究

航材携行保障是航空兵战斗力生成和保持的重要组成部分。随着联合演习、舰载护航等飞行任务的增多,任务环境复杂多变,航材携行品种和数量也发生了很大变化,对携行保障水平提出了更高要求,对任务中航材需求进行准确预测是做好携行保障的主要内容之一。本文分析了任务中影响航材消耗的各类因素以及部分因素间相互作用和因果关系,总结出航材自身、任务、环境、人员、经济等六方面影响因素,并科学系统地选取了可用于携行航材多维变量消耗预测模型研究的特征量。     

基于数据挖掘和小波神经网络的航材消耗预测方法

运用数据挖掘技术对航材消耗的历史数据进行关联分析,筛选小对保障飞机飞行有重要作用的航材消耗数据,大大缩减了需要预测的航材数量,同时对消耗航材之间的内在影响关系进行量化。在分析人工鱼群算法原理的基础上,对算法中步长参数和视野范同参数的设置方法进行了改进。实例结果表明,运用小波神经网络预测航材消耗的方法大大降低了预测误差,说明了该方法的有效性、可行性和实用性。     

基于粒子群优化的WNN飞行数据气动力建模

为了使所建立的气动力模型能准确地描述飞行器的动态特性,提出一种基于改进粒子群优化(IPSO)算法的小波神经网络(WNN)飞行数据气动力建模方法。该方法引入邻近粒子信息和变异操作,对标准PSO(SPSO)算法的不足进行改进,以提高WNN参数的全局搜索能力,克服早熟收敛,再按照所设计的飞行数据的气动力建模流程,构建了IPSO算法训练的WNN模型。试验结果表明:提出的气动力建模方法预测精度高,收敛速度快,能较好控制早熟收敛问题,用于飞行数据的气动力建模是有效的,也是可行的。     

多铺层碳纤维蜂窝板模型修正

 蜂窝板是现代飞行器的主要承力结构,通过分析各形式响应面适用范围,提出Linear-and-Gaussian组合核支持向量机(SVM)响应面和基于分组控制策略的改进粒子群优化(IPSO)算法。用ANSYS的SHELL91单元建立多铺层碳纤维蜂窝板的有限元模型(FEM),并通过正交试验设计和F值检验确定待修正结构参数,构造Linear-and-Gaussian响应面以拟合待修正结构参数与蜂窝板模态频率的关系并检验响应面模型有效性。最后,用基于分组控制策略的IPSO算法对响应面模型中的结构参数进行修正,修正后参数代入原有限元模型得到修正模型。通过对修正前后模型模态频率与基准模型模态频率在测试频段内外的对比,证实了修正后模型具有良好的复现能力和预测能力。     

基于IPSO-Elman神经网络的飞机客舱能耗预测

为了提高飞机客舱使用地面空调制冷时客舱能耗的预测精度,提出了一种改进的粒子群优化（IPSO）Elman神经网络的飞机客舱能耗预测模型。依据对算法中惯性权重与学习因子的收敛域分析,得出了二者合理的取值范围,将粒子到全局最优位置间距离与参数的取值范围相结合,构造了惯性权重与学习因子的动态调节函数,对其进行非线性的动态调节,并引入了变异因子,提出了一种跳出局部最优的策略,防止粒子群优化（PSO）陷入局部最优。将IPSO-Elman应用于Boeing738飞机客舱能耗预测中,与PSO-Elman、Elman算法进行性能比较,仿真结果表明基于IPSO-Elman的客舱能耗预测模型在预测精度和收敛速度方面均有一定的提升。该研究结果为飞机客舱能耗预测模型的建立提供了理论依据,对飞机地面空调的节能与机场电能合理调配提供了支持。     

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择;训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。      

海军航空兵机动转场备件携带量预测模型研究

针对海军航空兵转场时所携行航材备件需求量缺乏定量分析和精确数据计算方法的情况,提出了一种改进的灰色马尔可夫链模型用于预测备件携带数量。模型采用高次插值生成数据序列,并引入接近关联度改进灰色马尔可夫链状态划分方法。实例计算结果表明,该模型可提高预测备件携带数量预测精度。     

基于PSO-SVM的空中目标智能融合识别模型

支持向量机(SVM)算法能较好地解决传感器数据不完整、缺失情况。针对SVM关键参数难以选择问题,提出了基于粒子群-SVM算法空中目标智能融合识别模型。结合工程需求,进行仿真。仿真结果表明,该算法能较精确地识别目标。     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

面向对地成像观测任务的高空飞艇应急调度

针对应急条件下高空飞艇(HAA)对地成像观测任务调度问题进行研究,分析了问题中的主要约束条件,建立了以任务收益(TB)和巡航距离为优化目标的约束满足问题(CSP)模型。考虑飞艇侦察载荷具有侧摆观测能力,在构建视场范围约束模型和分辨率约束模型的基础上,对成像观测任务进行合成。提出了元任务与合成任务的概念,给出了任务合成的步骤与方法。将HAA应急调度问题转换为车辆路径问题(VRP),并进一步分解为任务排序主问题和路径选择子问题,分别应用改进粒子群(IPSO)算法和关键节点搜索(KNS)算法求解。详细介绍了算法中的编码、解码和移动等操作,以及采用的混沌初始化和禁忌搜索(TS)策略。通过仿真实验,对文中所提方法的有效性进行了验证。     

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

基于改进粒子群算法的矢量水听器多目标方位估计

为了研究单矢量水听器多目标方位估计能力,分别利用互谱声强法、MUSIC算法及信号统计量方法对多个目标方位进行估计。互谱声强法可以估计出多个不同频的单频目标方位,但对于频谱混叠的目标无法分辨;MUSIC算法可以分辨单频和宽带目标,但利用单矢量水听器最多可估计 2个目标方位。为此,针对文章提出的信号统计量方法,构建了声压和振速的统计量模型,将其与粒子群优化算法及改进算法相结合,实现了基于改进粒子群算法的多目标方位估计。对多个单频和宽带信号目标进行仿真分析,结果表明,进粒子群算法具有良好的估计效果;对 3种方法的估计结果进行比较,验证了改进粒子群算法有较好的适用性。通过对 2022年千岛湖试验数据的处理再一次验证了算法的有效性。     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

低排放燃烧室化学反应器网络模型的参数化

为了掌握低排放燃烧室的污染物排放情况,对其化学反应网络器(CRN)模型的参数化进行研究.对爬升工况下燃烧室CFD数值模拟结果进行分析,划分燃烧室的结构,得到燃烧室的CRN模型.再利用自编程软件对燃烧室的结构参数和进口参数进行参数化定义,并把参数化的CRN模型在不同工况下的模拟结果与试验结果分别比较.结果表明:在慢车工况下二者相差不大,在爬升工况下二者差异也在允许误差范围之内.验证了该模型可行性较好,该参数化CRN模型可用于预测低排放燃烧室的污染物排放量和出口温度.     

基于改进粒子群算法的航空发动机性能综合评价

针对基于单参数评估发动机性能能力不足的问题,研究了利用多参数综合评估发动机性能的方法;通过对某型发动机台架试车数据分析,确定了使用综合加权法评估发动机性能比算术加权平均法更具合理性;分别利用改进的遗传算法和粒子群优化算法计算多参数的权值,对比结果表明:使用改进的粒子群算法在计算精度和速度上均优于遗传算法。同时还计算了各翻修次数下发动机的性能指标。