基于KPCA 和DBN 的航空发动机排气温度基线模型

为了给航空发动机整体性能的实时监控与健康管理提供技术手段,提出1种基于核主成分分析和深度置信网络相结合的航空发动机排气温度基线模型构建方法。以配装CFM56-7B发动机的飞机在运行过程中各系统产生的快速存取数据作为原始的数据样本,利用核主成分分析进行降维处理,选用高斯函数作为核函数,将降维后的数据作为深度置信网络的输入,建立航空发动机EGT基线模型,通过大量QAR数据验证了模型的有效性和正确性。与传统神经网络建模方法相比,所提出的建模方法不但降低了网络结构的复杂度,同时也提高了模型的精度。     

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

基于无迹粒子滤波算法的航空发动机排气温度预测

针对粒子滤波算法不能考虑最新的观测值,仅使用某时间节点之前的实际数据来预测航空发动机排气温度,会造成预 测的温度数据误差累积,不能及时修正以及粒子退化等问题,将无迹粒子滤波引入到航空发动机排气温度预测中。分别介绍了粒 子滤波算法和无迹粒子滤波算法;在此基础上,建立了航空发动机的退化模型。利用退化模型和无迹粒子滤波算法对航空发动机 排气温度进行预测,并将预测值与实际值进行比较,将所得结果与采用传统粒子滤波算法得到的结果进行了对比,结果表明：无迹 粒子滤波算法对于排气温度的预测效果较好,所预测的发动机达到阈值的时间与实际时间更为接近,温度范围更为集中,准确性 更高,预测误差小于5%。     

航空发动机排气温度基线建模新方法研究

为实现航空发动机气路性能诊断与预测,提出一种基于堆叠降噪自编码器(Stacked de?noising auto encoder,SDAE)和支持向量回归(Support vector regression,SVR)相结合的航空发动机排气温度(Exhaust gas temperature,EGT)基线建模方法.以CF...     

基于RDK-ELM 的航空发动机控制系统故障诊断

为保持较高诊断正确率,缩短训练时间,满足航空发动机故障诊断对于实时性和高诊断率的需求,提出1种对深度核极限学习机的简约改进方法。输入数据中随机选取部分数据作为支持向量,结合深度学习网络的多层结构,完成了对输入样本的特征提取,通过核函数实现了高维空间映射分类。数字仿真表明:算法分类正确率高,训练时间短,可应用于航空发动机控制系统的故障诊断。     

民用发动机状态混沌预测算法

首先应用Haar小波和DB16小波对航空发动机排气温度的原始数据序列进行去噪处理,并且证明了处理后的数据序列具有混沌特征.其次应用混沌理论建立发动机状态预测算法,实现对排气温度的预测.通过检验排气温度预测值是否超过所规定的红线,以及该曲线是否平稳,从而进行发动机的健康状态排查.作为验证实例,使用一组某机型发动机实际飞行...     

基于飞行过程数据的航空发动机故障诊断方法研究

针对航空发动机飞行过程数据,结合门控循环单元（GRU）动态网络和深度神经网络（DNN）,提出了一种数据驱动的航空发动机故障诊断结构。首先,从飞行数据中抽取发动机健康数据,并通过一组GRU网络建立发动机在健康状态下的动态模型。其次,通过GRU动态模型的预测值与真实测量信号生成残差信号,残差信号作为DNN网络的输入预测发动机健康参数。最后,通过诊断决策模块实现对发动机的故障检测与识别。使用仿真生成的真实飞行工况数据集对提出的故障诊断系统进行了验证。结果表明,相比于直接使用传感器测量数据,基于GRU网络的残差结构能够大幅提升故障检测和识别性能,故障检测和识别准确率分别可达96.51%和95.06%,并且对训练数据样本数量的依赖性较小,较少的训练样本也能获得很好的预测结果。     

Elman 回归神经网络在航空发动机故障诊断中的应用

提出了一种基于Elman神经网络的航空发动机故障智能诊断方法。以在某型发动机地面定检状态下实测的数据作为样本数据,建立了航空发动机故障诊断模型,利用该模型成功地对实测发动机参数进行了诊断。研究结果表明:该方法对权值初始值选取、隐含层节点数选取和输入样本规范化处理等不敏感,具有学习速度快、诊断精度高等优点。     

卷积和离散过程神经网络及其在航空发动机排气温度预测中的应用

 针对航空发动机排气温度的变化过程受复杂非线性时变因素的影响而难以用精确数学模型描述的问题,提出了卷积和离散过程神经网络(CSDPNN)模型,并将其应用于航空发动机排气温度(EGT)预测。该模型以离散样本作为直接输入,采用卷积和算法实现对时间累积效应的处理。相较于以连续函数作为输入的过程神经网络(PNN),不需要拟合离散样本得到连续函数后进行正交基展开,减少了精度损失,具有更高的预测精度。给出了卷积和离散过程神经网络模型的学习算法,并通过对Mackey-Glass混沌时间序列的预测对提出的方法进行应用说明和验证。通过航空发动机EGT预测实例,并与卷积和离散过程神经网络模型的连续函数输入过程神经网格以及传统人工神经网络(ANN)的预测结果进行了对比。结果表明,相较于连续函数输入过程神经网络以及传统人工神经网络,卷积和离散过程神经网络具有更高的预测精度,且对于EGT的预测具有较好的适应性,因而为航空发动机EGT预测提供了一种有效的方法。     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。     

方波幅度的测量不确定度

介绍了用众数法评价方波幅度时的不确定度分析和评价过程；讨论了主要的不确定度来源，包括众数判别区间的影响、波形测量系统幅度测量误差的影响等等；给出了减小不确定度的主要措施，并结合一个实例，给出了方波幅度的不确定度评价结果。     

硼粉燃烧热值测试不确定度分析

基于硼粉点火和燃烧特性,介绍了硼粉燃烧热值测试原理和方法,分析了影响硼粉燃烧热值测试不确定度的因素,并对各不确定度分量进行了评定。结果表明,影响硼粉热值测试不确定度的主要因素有：系统热容量的不确定度和助燃剂热值的不确定度;在助燃剂保障硼粉完全燃烧的条件下,减小助燃剂热值的不确定度是提高硼粉热值测试准确度的关键因素。     

高校图书馆期刊管理服务创新举措

高校图书馆期刊管理工作需立足本校实际情况,提高期刊信息服务意识及采购质量,建立合理的馆藏期刊结构,创新期刊管理服务措施,拓展期刊服务内涵。高效发挥期刊信息的作用,提高期刊资源利用率,更好地为读者服务。     

秒表检定的测量不确定度评定

介绍了用标准时间间隔发生器检定秒表时，测量结果不确定度分析和评定过程；讨论了测量不确定度的几个主要来源；通过一组实例，给出了秒表检定不确定度的分析和评定结果，该过程和结论可应用在对于计量标准进行相应指标的不确定度分析上，也可用于估计秒表检定本身的不确定度。     

电磁辐射干扰试验的测量不确定度评定

详细地分析了利用吉赫兹横电磁波室进行小体积受试设备(EUT)电磁场抗扰度测试的不确定度。     

逻辑分析仪部分参数测量结果的不确定度评定

介绍了逻辑分析仪部分参数测量结果的不确定度分析评定方法，评定过程及结论，可应用在对于计量标准进行相应指标的不确定度评定分析上。     

微放电效应预测研究

分析了几种类型结构方同轴线的特性,利用FDTD数值方法对方同轴线的微放电效应阈值电平进行预测计算,并给出了阈值曲线.结合实验数据说明了预测方法是有效的,该阈值曲线可以作为微放电效应部件设计参考曲线.     

不锈钢弯管部件钎焊的研究

提出不锈钢钎焊时被预热和被钎焊的母材都不允许焊接区呈红色和亮黄色的新观点。论证了加热时氧——乙炔焰用微碳化焰的原因及焊缝结合区不能采用抛光的道理。指出了保证钎焊温度的方法及其原理等。     

非线性方程迭代算法收敛性分析

从几何上分析了迭代格式xn+ 1=φ(xn)所产生的序列收敛于方程根的收敛条件 ,导出了不依赖函数可导性判断迭代序列收敛的收敛定理 ,给出了产生收敛的迭代序列的技巧。     

高校廉洁文化教育的载体构建

作为构建反腐倡廉体系的基础性工作之一,高校廉洁文化教育是从源头上防治腐败的根本之策,关系到整个社会廉洁文化的建设。从打造廉洁文化教育教师主体团队,发挥党团组织的战斗堡垒作用,弘扬廉洁校园文化节、占据网络文化教育阵地等方面,对高校廉洁文化教育载体进行研究,旨在为高校廉洁文化教育提供些许参考意见。