基于压电传感网络的结构健康监测扫查系统的设计及实验研究(英文)

基于主动Lamb波和压电传感器网络的结构健康监测技术是一种评估航空结构健康状态的有效方法。在实际应用中,监测大型结构需要使用压电传感器网络。扫查这些压电传感器网络中的压电激励-传感通道以达到在线的结构健康监测是非常重要的。基于PXI(PCI eXtensions for Instrumentation)平台,研发了一套基于主动Lamb波和压电传感器网络的集成多通道扫查系统,该系统结构紧凑、便于携带,能大规模自动扫查激励-传感通道并进行损伤评估。提出和讨论了该系统中:4通道PXI程控增益电荷放大器的实现、支持276个激励-传感通道的外部扫查模块和集成的结构健康监测软件的实现。最后,主要讨论了系统在某型无人机碳纤维复合材料机翼盒段上的功能验证实验,包括:压电贴层的设计、激励信号频率的选择方法、损伤成像的功能性测试、系统稳定性测试和载荷对信号的影响。实验结果验证了该系统的稳定性和损伤监测功能。     

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。     

一种事件驱动型无线传感器网络的数据编码及融合算法

基于事件驱动的区域监测是无线传感器网络的一类典型应用,该网络中包括两种类型的数据,分别为对网络状态进行监控的周期性监测数据和事件发生时应传送的事件消息.基于簇结构,利用簇头和簇成员两种角色的节点,分别针对上述两种类型的数据提出不同的编码方式和对应的融合机制,同时详细分析了该编码方法和融合机制的优缺点.     

基于自编码器和LSTM的模型降阶方法

自编码器是一种有效的数据降维方法,可以学习到数据中的隐含特征,并重构出原始输入数据.本文提出了一种基于多层自编码器和长短期记忆网络的模型降阶方法,以提升降阶模型的精度.文中以二维圆柱绕流为例,对该方法进行了分析与验证.首先用多层自编码器对原始数据进行降阶和特征提取,然后构建基于长短期记忆网络的预测模型,最后将自编码器和...     

基于优化BP神经网络的开关磁阻电机定子电阻辨识方法

为解决直接转矩控制下的开关磁阻电机低速运行时磁链计算受电阻变化影响比较大的问题,详细观察分析了电阻对于相电流的影响,通过比对电阻可调的电机模型与实际的电机模型的输出电流,提出了一种基于优化BP神经网络的电阻辨识器。优化BP网络数学理论,结构简单,学习算法清晰明白,基于该网络的算法能够对变化的定子电阻进行辨识。将该方法置于Simulink控制系统上进行仿真,同时比较有无电阻辨识器前后仿真波形。试验表明,该电阻辨识方法可以提高开关磁阻电机低速运行时系统性能。     

基于GEF框架的AFDX网络建模工具的设计与实现

本文提出了基于Eclipse GEF框架的AFDX网络建模方法。该方法应用GEF的MVC结构,以RCP的形式实现了图形化的AFDX网络建模工具,为用户提供了高效的展示和编辑AFDX网络模型的环境。由于建立了基于Eclipse RCP技术的开放性平台,用户可以Eclipse插件的形式将任何新的功能无缝地集成在此平台下,极大地提高了工具的可扩展性。     

基于强化学习的多无人机避碰计算制导方法

针对大量固定翼无人机在有限空域内的协同避碰问题,提出了一种基于多智能体深度强化学习的计算制导方法。首先,将避碰制导过程抽象为序列决策问题,通过马尔可夫博弈理论对其进行数学描述。然后提出了一种基于深度神经网络技术的自主避碰制导决策方法,该网络使用改进的Actor-Critic模型进行训练,设计了实现该方法的机器学习架构,并给出了相关神经网络结构和机间协调机制。最后建立了一个实体数量可变的飞行场景模拟器,在其中进行"集中训练"和"分布执行"。为了验证算法的性能,在高航路密度场景中进行了仿真实验。仿真结果表明,提出的在线计算制导方法能够有效地降低多无人机在飞行过程中的碰撞概率,且对高航路密度场景具有很好的适应性。     

基于网络的集成DNC系统的研究与开发

提出了一种基于网络的集成DNC系统,讨论了三层车间运行模式的结构与特点,同时简要介绍了网络连接方法及软件的开发技术。     

基于参数化分析的柔性后缘优化设计

介绍了一种自适应柔性机翼后缘变形控制优化设计方法,该方法采用了由单个驱动器驱动的单块式分布柔性结构。该方法的关键在于设计一种合适的柔性后缘结构拓扑形式,使该自适应柔性机翼后缘能够达到精确的变形。阐明了柔性结构拓扑优化设计的数学模型,针对自适应柔性机翼后缘概念设计提出了基于参数化分析的拓扑优化设计方案,并进行了工程化圆整和尺寸优化。最终,通过非线性有限元分析和功能测试,验证了本文提出的柔性后缘优化设计方法的合理性。     

基于双重容量识别标准的航空网络关键航段识别方法

对航空网络中的关键航段进行有效识别存在传统识别方法单一,网络性能评价指标不全面等问题,提出一种基于双重容量识别标准的航空网络关键航段识别方法。通过建立脆弱识别标准和瓶颈识别标准,从航段容量变化对航空网络综合性能影响的角度对网络中的关键航段进行识别,并在网络性能评价阶段,采用一种基于AHP的航空网络综合性能评价指标,使用基于UE模型的空中交通流量分配模型,对该识别方法的有效性进行验证。结果表明:该方法能够对航空网络中的关键航段进行有效识别。     

基于振动分析的结构损伤检测方法研究

对近年来结构基于振动的损伤识别方法的发展概况和最新进展进行了总结：主要介绍基于固有频率、位移振型、曲率模态振型、应变模态振型的损伤识别技术和BEE法,分析其各自的优缺点。在此基础上,展开基于模态参数识别的航空发动机零部件结构损伤检测的研究,提出综合运用有限元法、实验模态分析和神经网络法对结构损伤进行检测的方法．并取得初步结论。最后对该研究领域的未来发展进行了展望。     

BP神经网络在航空复合材料敲击检测中的应用

随着航空复合材料运用越来越广泛,其本身缺陷造成的事故也愈来愈多.提出一种利用敲击检测和BP神经网络的航空复合材料无损检测方法.首先运用敲击检测采集数据;然后运用平均值法和方差法来对数据进行修正;最后借助MATLAB软件进行BP神经网络数据分析,在训练数据4 000组、测试数据20组时,准确率可达90%.实例验证结果表明,基于BP神经网络的敲击检测方法可以实现航空复合材料缺陷的有效检测.     

基于声发射的铝蜂窝板超高速撞击损伤模式识别方法

为通过声发射技术识别铝合金蜂窝板超高速撞击(HVI)的损伤状态,提出一种基于神经网络的损伤模式识别方法。通过超高速撞击实验获取声发射信号,结合精确源定位技术、时频分析技术、小波分析技术及模态声发射技术,提出了10个与损伤相关的特征参数,通过非参数检验分析其与损伤的关系,设计了一种基于贝叶斯正则化BP神经网络的超高速撞击损伤模式识别方法。建立最优网络模型,通过不同参数组合识别能力分析,优选出2种特征参数组合,通过非同源样本对其损伤模式识别能力进行验证。结果表明:传播距离与损伤模式无关,却是识别损伤模式的重要参数;125~250kHz频域的自动加窗小波能量比会降低损伤模式的识别能力;采用贝叶斯正则化的BP神经网络可以较好地识别蜂窝板超高速撞击损伤模式,参数组合为传播距离、上升时间、持续时间、截止频率、4个自动加窗小波能量比及小波能量熵,共9个参数,对任意选取非同源样本识别错分率仅为9.38%。     

优选小波神经网络在周跳探测与修复中的应用

北斗导航定位过程中,传统的周跳探测与修复方法缺乏检验环节,无法保证修复结果的可靠性。为此,提出了一种级联式小波变换结合NARX神经网络多步循环预测修复的方法处理周跳问题。该方法通过构造载波相位双差模型检验量,探测周跳发生历元,采用NARX神经网络预测方法修复周跳,利用优选小波基函数进行周跳修复效果检验。实验证明,相较于经验模态分解和变分模态分解等模态分解法,优选小波神经网络周跳探测与修复方法可用于小周跳探测并判断出周跳正负性;构造的NARX神经网络周跳修复模型,解决了普通神经网络模型和传统多项式拟合法容易造成的二次奇异值问题。相较于长短期记忆(LSTM)和门控循环单元(GRU)深度学习神经网络模型,周跳预测精度分别提高了45.2%和55.9%。     

基于小波变换的容差电路故障诊断

针对目前模拟电路中电子元器件存在的容差与非线性导致电路故障难以检测的现状,设计了适用于诊断由器件超出容差所引起的模拟电路故障的小波分析诊断方法。通过设定故障进行蒙特卡罗容差实验,采用小波神经网络,对故障输出信号进行小波分析提取其小波高频系数参量,经PCA分析和归一化后形成训练特征向量,并经过BP神经网络训练后,故障信号通过小波神经网络后能够快速精准的对故障器件进行定位。通过大量样本进行仿真计算表明所设计的小波特征参量故障诊断法对于模拟电路具有很好的故障分辨率。     

基于卷积双向长短期记忆网络的轴承故障尺寸估计

基于振动监测数据的航空发动机滚动轴承损伤大小识别,对于研究滚动轴承故障演化、故障预测和故障诊断具有重要意义。针对传统模型对先验知识依赖性高、特征提取不充分、故障尺寸训练类别有限等问题,提出了一种基于深度学习的滚动轴承损伤尺寸预计方法,能够对训练过程中未出现的中间尺寸进行准确识别。在经典模型的基础上,搭建了一种深度卷积网络与长短期记忆网络组合模型,该模型可对轴承振动信号的多维特征与时序特征进行充分提取,实现轴承故障的智能和高效诊断。最后,利用滚动轴承加速疲劳试验机,进行了多种转速与损伤尺寸下的滚动轴承故障试验,基于试验数据进行了方法的比较,结果表明,该组合网络的在正常和加噪的情况下预测精度分别达到99.94%和98.67%,较单独的深度卷积网络、长短期记忆网络及其他模型精度更高,比较结果充分表明了本文所提方法的优越性。     

基于一维卷积神经网络和SoftMax分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和SoftMax分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,SoftMax分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。     

An artificial neural network approach for aerodynamic performance retention in airframe noise reduction design of a 3D swept wing model

With the progress of high-bypass turbofan and the innovation of silencing nacelle in engine noise reduction, airframe noise has now become another important sound source besides the engine noise. Thus, reducing airframe noise makes a great contribution to the overall noise reduction of a civil aircraft. However, reducing airframe noise often leads to aerodynamic perfor-mance loss in the meantime. In this case, an approach based on artificial neural network is intro-duced. An established database serves as a basis and the training sample of a back propagation (BP) artificial neural network, which uses confidence coefficient reasoning method for optimization later on. Then the most satisfactory configuration is selected for validating computations through the trained BP network. On the basis of the artificial neural network approach, an optimization pro-cess of slat cove filler (SCF) for high lift devices (HLD) on the Trap Wing is presented. Aerody-namic performance of both the baseline and optimized configurations is investigated through unsteady detached eddy simulations (DES), and a hybrid method, which combines unsteady DES method with acoustic analogy theory, is employed to validate the noise reduction effect. The numerical results indicate not merely a significant airframe noise reduction effect but also excel-lent aerodynamic performance retention simultaneously.     

基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.     

电压敏感电路的故障诊断技术研究

电压敏感电路能够敏感发电机的输出电压,是发电机调压电路的重要环节,其发生的故障将影响电源系统的安全与稳定。利用小波子频带能量检测技术对输出电压信号进行处理,从中获取故障信息,作为神经网络的输入。训练过程及测试结果表明：基于松散型小波神经网络应用在电压敏感电路故障诊断中,具有较高故障诊断率,验证了该方法的有效性。