基于改进的SqueezeNet直升机滚动轴承故障诊断

针对现有基于卷积神经网络的故障诊断方法存在模型参数量和计算量大的问题，提出一种改进的SqueezeNet模型应用于直升机滚动轴承故障诊断。该模型借鉴VGG16模型的思想，在经典的SqueezeNet基础上，采用3个3×3卷积核代替1个7×7卷积核，实现了在相同感知野条件下增加网络容量、增强非线性、减少网络参数量，采用卷积层、池化层和Fire模块、池化层两大结构交替的方式组成模型特征提取层，在保障特征提取能力的情况下，进一步减少了网络参数量。通过轴承数据开展模型故障诊断实验，结果表明该模型诊断精度达到99.65%，与传统卷积神经网络及经典的SqueezeNet模型相比诊断精度相当，而计算量与参数量最大缩减约6倍和36倍。     

液体火箭发动机基于关系模型的故障诊断方法

提出了一种新的描述液体火箭发动机系统的定性模型，阐述了系统部件行为模型和结构模型的构建方法，给出了求解基于关系模型诊断问题的推理机制，建立了液体火箭发动机基于关系模型的故障诊断方法。以空间推进系统为研究对象进行了实例诊断分析，结果表明：该方法是一种有效的基于定性模型故障诊断方法。     

CVD-Si3N4陶瓷及其复合材料氧化行为研究进展

概述了CVD—Si3N4陶瓷及其复合材料在干燥氧气下的氧化行为。Si3N4陶瓷在高温下氧化时，除生成SiO2保护膜外，还生成一薄层比SiO2膜更优异的氧气扩散阻挡层(Si—O—N化合物层)，该层具有优异的抗氧化性能。介绍了两种氧化机制模型，同时分析了温度、杂质等对CVD—Si3N4陶瓷氧化行为的影响。     

纤维增强金属基复合材料细观几何结构对宏观弹性性能的影响

基于复合材料宏、细观场量之间的联系，建立了一种纤维增强复合材料宏—细观力学模型。该模型建立起了宏观与细观应力、应变场量之间的联系，获得了宏观应力—应变关系，试验及理论计算表明，该模型能够较好地预测复合材料宏观弹性性能。利用该模型研究了纤维截面形状和排列方式对金属基复合材料宏观弹性性能的影响。     

模糊神经网络诊断模型理论及应用研究

本文基于通用神经网络的自适应性和诊断的建模方法, 建立了一种新的故障诊断模型—模糊神经网络诊断模型, 并对它的智能诊断机理和突出特点进行了深入分析。最后, 将该诊断模型应用于某大型汽轮发电机组故障诊断中, 分析得出它具有明显的提高诊断精确度的优越性。      

一种用于飞机起飞性能计算的数值仿真模型

针对飞机起飞性能计算公式过于简单化的问题，提出了一种全量数值仿真模型。该模型包含了起落架系统特性和全机气动力特性，根据飞机总体设计参数可仿真给出其起飞性能指标。以某型飞机为例进行了计算，结果表明，该模型具有较高的使用价值。     

基于RBF神经网络的军机研制费用估算模型研究

对现代军机研制费用估算模型现状进行了简要分析，基于径向基函数(RBF——Radial Basis Function)神经网络理论建立了一种新的研制费用估算模型，给出建模流程；编制了仿真软件，在小样本情况下，进行了数字仿真，对所建研制费用神经网络模型的有效性进行了验证。仿真结果表明，所建RBF神经网络估算模型对研制费用的预算估计是有效的，且该估算模型的费用估计精度比传统回归分析方法所建立的估算方程的估算精度高。     

基于TV-L1模型的多尺度遥感影像分解方法

TV—L^2模型是一种有效的遥感影像分解方法,但采用TV—L^2模型进行遥感影像分解会出现分解不彻底的情况。基于TV—L^1模型的多尺度遥感影像分解方法是一种将TV—L^1模型和多尽度方法结合起来对遥感影像进行分解的遥感影像分解方法。实验证明,基于TV—L^1模型的多尺度遥感影像分解方法继承了Tv—^L2模型利用全变分分解的优点,解决了TV—L^2模型分解不彻底的问题,并且通过尺度调节实现了多尺度分解。实验结果表明,该方法在遥感影像分解中取得了理想的效果,可以进一步地扩展应用。     

舵面损伤的气动模型及故障检测研究

针对飞机舵面损伤故障检测和诊断的气动模型和飞行状态限制，提出了在线故障模式预测方法，并使用某机的故障及正常风洞数据建立了舵面损伤非线性气动模型。最后，仿真验证了该方案的气动模型独立性、飞行状态及操纵的适应性。结果表明，该方法可提高自修复飞控系统中舵面损伤故障检测算法的适用性和工程应用能力。     

非对称转子系统主动平衡型抑振控制

基于柔性转子动平衡的思想，对非对称支承—柔性转子系统设计了一种最优极点配置型主动平衡控制器，以主动控制一般转子系统的不平衡响应。对航空发动机模型转子单点轴承座施力控制结果表明，该方法实现方便，抑振效果显著。     

基于HMM-SVM的混合故障诊断模型及应用

针对直升机减速器故障诊断中机器学习方法存在的问题,根据隐马尔可夫模型(HMM)适合于处理连续动态信号与支持向量机(SVM)适合于模式分类的长处,提出了基于HMM-SVM的混合故障诊断模型。先通过小波包分析方法从减速箱振动信号中有效提取非平稳特征,训练HMM-SVM模型,再利用训练好的模型进行监测与诊断,实验结果表明该方法优于单纯的HMM或SVM诊断方法,能利用少量训练样本有效地完成直升机减速器的故障诊断。     

模拟电路故障诊断新方法

在BP型ANN网络用于模拟电路故障诊断的基础上,提出了利用GA辅助设计的BP型ANN实现模拟电路故障诊断的新方法。实例验证表明,新方法的诊断精度、诊断速度以及建立诊断模型的自动化程度都有了较大的提高。     

航空发动机故障的支持矢量机智能诊断

引入支持矢量机和多元分类算法到航空发动机故障诊断当中。通过设计的多元分类支持矢量机构建了小样本多参数航空发动机故障智能诊断模型，然后通过发动机故障仿真器对典型发动机气路故障进行了诊断。结果表明，支持矢量机具有优秀的故障学习能力，采用它进行航空发动机故障诊断是可行、有效的。     

基于模糊信息粒化和优化支持向量机的氧化铝陶瓷超声磨削力趋势预测

为实现超声磨削氧化铝陶瓷中磨削力变化趋势的预测,提出了一种基于模糊信息粒化和支持向量机相结合的方法。首先进行氧化铝陶瓷超声磨削试验,然后利用模糊信息粒化方法对试验获得的磨削力进行粒化处理,并将人工免疫系统算法和粒子群算法进行并联混编构成人工免疫系统粒子群算法(AISPSO),接着建立非线性回归支持向量机预测模型并对模糊粒子进行预测,并通过AISPSO算法优化支持向量机预测模型,最后获得超声磨削氧化铝陶瓷中磨削力的变化趋势和变化范围。结果表明:该方法可以有效实现超声磨削中磨削力的变化趋势及变化范围预测,且预测未来5组数据变化范围的误差在10%以内,这为通过磨削力变化调整工艺参数以获得更好的加工表面提供了新的思路。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

Optimal polarimetric detection of radar target in a slowlyfluctuating environment of clutter

It is shown that in a situation where a radar target is distant enough from the radar and is included in a natural or artificial clutter environment in such a manner that the conventional detection methods fail, it is possible to improve the radar detection performance by using appropriate signal processing on two orthogonal polarization states. A CFAR (constant false alarm rate) polarimetric detection system based on the study of the polarization difference between clutter and target is proposed. Since the polarization state of the clutter echoes fluctuates slowly from cell to cell, an autoregressive model can be applied to the components of the polarization vector to predict the detection thresholds needed to follow the polarization state variation. The detection thresholds are determined to maintain a false alarm probability equal to 10^-6. The presence of a target registers as a significant variation of the estimation error of the polarization vector. Results obtained from measurements of simple and canonical targets with artificial clutter are presented, and these results validate the principle of polarimetric detection     

Integrating diagnostic knowledge

The use of artificial intelligence technique to access, analyze, and integrate different types of knowledge under a single diagnostic concept is described. Repair statistics and field experience are handled by an empirical knowledge (shallow reasoning) diagnostic system in order to retain the experience of expert test personnel. Computer-aided-design knowledge is handled by model-based (deep reasoning) diagnostic systems in order to extract diagnostics directly from design data. Combining these approaches overcomes limitations of the individual techniques and provides a more powerful diagnostic system. The Westinghouse expert diagnostic system is considered as an example     

轴对称矢量喷管内流特性的数值模拟研究

利用矢通量分裂有限体积格式和B-L湍流模型,采用TTM网格生成和局部网格加密技术,求解三维N-S方程,对轴对称矢量喷管的内流流场进行数值模拟,并将计算结果与模型试验结果进行了分析比较。研究结果表明,在矢量状态下,计算结果和试验结果相比,壁面静压分布的相对误差不大于13%,气动矢量角的相对误差不大于10%,推力系数的相对误差不大于2%,所开发的计算方法和计算程序可用于轴对称矢量喷管的工程设计。      

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

Hybrid calibration method for six-component force/torque transducers of wind tunnel balance based on support vector machines

A hybrid calibration approach based on support vector machines (SVM) is proposed to characterize nonlinear cross coupling of multi-dimensional transducer. It is difficult to identify these unknown nonlinearities and crosstalk just with a single conventional calibration approach. In this paper, a hybrid model comprising calibration matrix and SVM model for calibrating linearity and nonlinearity respectively is built up. The calibration matrix is determined by linear artificial neural network (ANN), and the SVM is used to compensate for the nonlinear cross coupling among each dimension. A simulation of the calibration of a multi-dimensional sensor is conducted by the SVM hybrid calibration method, which is then utilized to calibrate a six-component force/torque transducer of wind tunnel balance. From the calibrating results, it can be indicated that the SVM hybrid calibration method has improved the calibration accuracy significantly without increasing data samples, compared with calibration matrix. Moreover, with the calibration matrix, the hybrid model can provide a basis for the design of transducers.