航空发动机试飞关键参数趋势监控的实现及应用

为了实现航空发动机滑油压力、滑油温度、振动值在试飞中的趋势监控,采用神经网络方法对某型发动机大量试飞数据进行训练和验证,获得了这几个参数全过程较为准确的计算模型。计算模型应用于该型号另1台发动机参数趋势监控中,在应用前,利用有限架次试飞数据修正了这几个参数的计算模型,采用动态链接库形式实现计算模型与原有实时监控系统的协同工作,进行了模型计算结果和试飞结果趋势实时对比监控。结果表明:模型计算结果和试飞结果变化趋势吻合良好,说明了神经网络计算模型的准确性以及在关键参数趋势监控中的工程实用性。     

基于信息压缩的四层前向网络模型体系结构及其应用

提出了一种基于信息压缩原理的四层前向网络体系结构,用以为液体火箭发动机部分参数建立网络模型。利用所选参数的时间序列对这些参数实现平滑、滤波与预测等处理,提高了基于试车数据驱动的故障监控系统对量测噪声、传感器故障与系统过程噪声的鲁棒性。该四层结构大大缩小了网络权值规模,网络模型的训练采用演化策略。     

虚拟航天员多层次运动仿真模型研究与实现

为解决虚拟现实训练中航天员模型实时交互控制和失重运动仿真等问题,提出了一种多层次运动仿真模型,在运动控制层实现运动跟踪,并构建标准化人体运动模型;物理控制层采用物理引擎建立人体多刚体动力学模型;规则控制层为不同的运动方式制定相应规则,显示层使用骨骼蒙皮技术提升显示效果。通过各层次组合的方式,共同实现了虚拟航天员的交互运动仿真。通过两个应用实例,证明了该层次化组合模型实现的虚拟航天员运动,可同时实现实时交互控制、失重运动仿真、交互操作仿真、太空行走仿真以及较好的显示效果,并适用于多种任务场景的航天员训练。     

钝体驻点线附近粘性激波层的数值方法

一、引言 在研究高超音速钝头体粘性气体绕流时,驻点区域的气动力参数和热力学参数的预报也是十分重要的。当粘性层很薄时,一直采用古典边界层方程计算;但是,考虑粘性气体与无粘流的相互干扰时,边界层模型已不适用,可用粘性激波层方程来描述极其广泛的来流马赫数及雷诺数的流场。 近年来,不少人致力于驻点线附近流场的计算,有的跨激波,有的分离激波。但     

航天器DOR信号本地相关处理的建模与仿真

详述了DOR（差分单向测距）信号的本地相关处理方法。首先根据轨道预报确定先验时延模型值,利用高精度频率估算方法估计航天器DOR信号的星上发射频率,然后通过时延模型值与频率估计值构造DOR本地模型信号,再将此模型信号分别与测站接收的DOR实测信号进行互相关运算,提取相关相位,解算高精度时延观测量。推导了DOR信号本地相关处理的数学模型,通过信号仿真验证了该方法的有效性,在仅考虑系统噪声影响与轨道预报误差的条件下,仿真时延测量精度达到0.1 ns,为深空航天器精密轨道测量提供了一种可借鉴的技术方法。     

基于PSO-ELM的卫星导航欺骗式干扰检测CSCD

近年来,卫星导航系统在军事监测、精细农业、交通监控、资源勘探、灾害评估等领域得到了广泛应用,但由于卫星导航信号结构公开且到达地面时强度微弱,卫星导航系统极易受到各种各样的干扰,其中欺骗式干扰因具有较强的隐蔽性,对卫星导航系统构成巨大的安全威胁。传统的欺骗式干扰检测方法大多采用单一参数进行检测,具有一定局限性。考虑到欺骗干扰源在欺骗过程中会引起一系列参数变化,构造了一个多参数输入的卫星导航欺骗式干扰检测模型,即将多个特征参数作为极限学习机(ELM)的输入,并通过训练和学习将真实信号与欺骗信号区分开,从而实现欺骗式干扰检测。同时,利用粒子群优化(PSO)算法优化ELM中的输入权值矩阵和隐层偏置,改善由于网络参数随机生成导致分类精度低的问题。仿真实验证明了该方法在卫星导航欺骗干扰检测方面的可行性和有效性。     

实时干涉测量中对流层延迟与钟差精修正建模

由于中国深空干涉测量系统无法采用短时差分标校,使得实时测量精度较差,误差来源主要包括对流层延迟模型误差和钟差模型误差。为了提高实时测量精度,基于最大值最小准则,对对流层天顶延迟进行精确修正;引入邻近估计与线性回归模型,实现了高精度的钟差非线性预报。经任务数据验证,对流层延迟精修正模型预报值与实测值的差异最大值优于0.33m(仰角≥10°);相对EGNOS和"EGNOS+GMF"模型,该误差减小约1个数量级;相对线性预报,非线性预报误差减小约半个数量级。可为我国后续深空探测任务提供高精度对流层延迟和钟差建模及预报。     

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归（GPR）的改进平方根无迹卡尔曼滤波（UKF）方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波（EKF）和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.      

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

基于蚁群改进 BP算法的组合预测模型在军械器材需求预测中的应用

针对在军械器材采购计划制定环节中的器材需求测算问题,提出基于蚁群改进BP算法的组合预测模型。先结合历史数据,利用多元线性回归预测法和自回归滑动平均模型（ARMA）进行初步预测,将初步预测的结果作为蚁群改进BP网络的输入,从而得到最终的预测结果。实验结果表明,基于蚁群改进BP算法的组合预测模型能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。     

基于改进的SENet航空发动机振动预测

为实时监测和预警航空发动机振动状态，基于气路及振动参数，提出一种使用改进的SENet（squeeze-and-excitation network）模型，对航空发动机近未来的振动进行预测。该研究相比以往采用的实验室模拟数据和仿真数据，使用了真实的QAR（quick access recorder）数据并进行随机采样，以求更能表征发动机振动和工作参数之间的关系。同时，不仅使用其他振动信号进行验证，还在其他型号的发动机上进行测试。结果表明:针对航空发动机的振动进行预测是可行的，SENet模型可以有效并实时追踪振动的突变和波动。此外，该方法对于其他振动信号和不同类型的发动机具有一定的适用性。而且相较于以往采用的其他经典的深度模型，SENet模型在振动的预测中能得到更小的误差。实验证明，相较于以往只使用振动这个单参数进行预测，并行使用与振动相关的多参数融合进行研究更能提高预测的准确性。      

基于Agent模型的机场网络延误预测

准确可靠的机场网络航班延误预测是科学认知空中交通运行态势,动态精准实施国家空域系统容流协同调配策略的重要依据。提出了基于Agent的机场网络延误模型,表征机场网络系统中各元素及子系统间的交互作用下的延误特征涌现。针对机场节点动态容量、预计起飞时间、最小飞行与周转时间等Agent模型中的关键参数,适应性选用了贝叶斯估计、模糊k近邻等数据挖掘方法建立参数模型,并采用2015—2017年全美历史航班和气象数据进行训练学习。为综合评价模型性能及泛化能力,选取全美2018年3个不同延误程度的典型日进行测试。实验结果表明,在全美34个核心机场组成的网络中,各节点在4小时预测区间内延误最大误差不过27.9 min,其中约80%的节点误差小于5 min,验证了所提延误预测模型在时空范围内的准确性和稳健性特征。另外,通过与其他模型对比,展示了本模型优良的延误预测性能。     

载人航天轨道大气密度模式修正研究简

热层大气密度模式的误差,是影响载人航天定轨精度的关键因素.分析载人航天工程所用Jacchia、MSISE、DTM三类大气密度模式的误差特点,通过比较精度和稳定性,基于现有空间天气参数,选取MSISE模式作为基础模式.研究利用星载加速度计数据反演载人航天轨道大气密度的方法,以验证我国载人航天轨道实测数据的精度;同时利用天宫一号以及神舟二号、三号、四号实测密度数据,以及相应的航天测控数据,分析模式误差与地方时、纬度和高度因素之间的关系,讨论建立合适的三维误差库来存储模式误差的方法,研究平均误差修正法和加权误差修正法,建立NRLMSISE-00的误差修正模式.修正结果应用于交会对接任务,与完全不修正时模式平均11.44％的误差相比较,两种修正方法的误差均明显减小,分别为5.41％和4.99％;其中平均误差修正法和加权误差修正法在未来1天、2天、3天的修正结果的误差分别是4.06％、3.73％,6.06％、5.78％,6.13％、5.72％,表明提前1天的修正效果最好;同时比较累积1-5天的误差库滑动也可以看出,误差库累积1天的效果相对较好;比较两种方法的预测效果显示,加权误差修正法优于平均误差修正法.研究表明基于三维误差库的模式修正方法显著提高了载人航天轨道大气密度预测精度,可为交会对接等载人航天任务提供技术支持.     

基于BP神经网络模型的西安市生活垃圾产生量预测

建立3层BP神经网络模型,选用市区人口数、国内生产总值和道路清扫面积三个因素预测西安市生活垃圾产量,将原始数据转化成年增长率,并结合trainbr函数来训练网络,泛化能力强,误差小,取得了较好的预测结果。     

不确定航迹自适应预测模型

针对现有航迹预测技术中，存在无模技术缺乏理论分析支持、能力有限、适用范围窄、有模技术先验假设过多、前提条件严苛、通用性差等问题，通过理论推导，利用循环和多层神经网络结构，研究提出了具有理论严谨、先验假设少、适用范围广、通用性强等优点的不确定航迹自适应预测模型，同时给出了典型的实现方法。该模型克服了现有航迹预测方法的缺点与不足，并具有无模与有模两类技术的优点与长处，仿真和实测实验验证表明：该模型能很好地提取识别出数据中存在的模式，并基于模式，进行正确有效地预测，能有效解决不同实际环境中的航迹预测问题，效果明显。     

基于改进的灰色RBF模型的初始备件预测研究

针对初始备件故障规律不稳定和历史消耗数据少的特点,将遗传算法、GM（1,1）模型和RBF神经网络有机结合．提出了改进的灰色RBF预测模型。该模型利用遗传算法对GM（1,1）模型参数进行动态寻优,并利用RBF网络对预测值进行残差修正。最后,通过采集新机部队某初始备件上半年的消耗数据,对该模型进行了实例仿真。结果表明：改进...     

多因素影响下舰载机备件需求的组合预测

舰载机列装时间较短,备件的样本数据较小,而且保障中受起落次数、飞行强度、海洋恶劣环境等因素影响较大。针对舰载机这一系列保障特点,选用了对多因素影响的小样本有较好预测效果的 BP神经网络、GM(1,N)预测模型和 SVM回归预测模型 3种预测方法,建立基于 IOWA算子的组合预测模型,以误差平方和为准则对数据进行分析,并利用 Matlab工具箱进行优化计算,从而得出最优组合预测结果。实例分析结果验证了该组合预测模型 的科学性和优越性。     

基于新陈代谢GM（1,1）模型的导弹遥测故障预测算法

在人工监视遥测关键参数是否超出阈值范围以判断导弹故障的传统模式基础上,对GM（1,1）预测模型进行了改进,研究了基于新陈代谢的GM（1,1）预测算法对遥测参数实时预测效果.该算法能不断去掉最老的信息,充分利用最新的信息,避免了预测模型老化的现象;由于用于预测的数列维度较少,便于计算,能够保证算法的实时性.用MATLAB编程实现算法,比对实测数据的预测值与实际值,并进行误差分析.结果表明,该算法对遥测参数的预测精度较高,可为及时发现导弹故障提供科学的依据.     

低轨航天器长期轨道预报的初步研究

低轨航天器的长期管理和维护需要较高精度的长期轨道预报,影响长期预报精度最主要的因素来自低轨航天器所受的大气阻力摄动.借助平均大气密度模型,以340 km高度的低轨航天器为例,研究了低轨长期轨道预报问题.利用基于长弧段的逐天精密定轨,可以修正参考点的平均密度.根据目前积累的数据,通过引入太阳自转周期27 d和半年180 d这2个周期拟合平均密度序列,未来的平均密度可以预报到较高精度.目前的计算结果表明,在此基础上低轨航天器的长期轨道预报精度可以得到保证,在不同算例中表现基本稳定可靠.