基于支持向量机的航空发动机滑油监控分析

提出了一种基于支持向量机的航空发动机滑油金属含量预测方法。详细分析了支持向量机用于时间序列预测的理论基础,并给出了运用支持向量回归进行多步预测的一般公式,提出了用最终预报误差(FPE)准则优化选取嵌入维数。与传统的AR预测模型相比,支持向量机由于采用了新型的结构风险最小化准则表现出优秀的推广能力。经过数值仿真得出自回归(AR)模型仅适合于短期预测;支持向量机预测推广能力强、具有较强的鲁棒性和容错性,对较长区间预测仍具有较好的效果。最后,将其应用于某型发动机滑油的铁金属含量预测,取得了较好的效果。      

外物损伤对压气机叶片高周疲劳强度的影响研究进展

针对外物损伤（FOD）对压气机叶片高周疲劳（HCF）强度的影响特点及其规律,总结了国内外研究现状及预期发展趋势。从FOD特征对压气机叶片HCF强度的影响、残余应力以及激光强化对HCF强度的影响、FOD叶片数值模拟以及FOD叶片寿命模型等方面,对现有研究成果进行综述。分析表明：FOD从多方面影响着压气机叶片的HCF强度,并有着一定的规律性,如：60°是较为危险的一种冲击角度,随着外物冲击损伤深度的增加会降低叶片的强度,残余拉应力的产生可以提高叶片疲劳强度,适当的表面处理同样可以提高叶片的强度。现有的FOD对压气机叶片HCF强度研究存在以下问题：试验有待进一步改进,理论模型有待深入研究,残余应力对叶片HCF强度的影响规律尚不统一等。     

单组元300N发动机低温试验研究

为探究低温环境下单组元300N发动机的工作特性,揭示影响发动机低温性能的主要影响因素,以300N发动机为试验对象,开展了模拟飞行工况的发动机低温试验。给出了低温试验研究方法,分别从温度差异对发动机性能影响、催化剂活性差异对发动机低温启动特性影响和低温对电磁阀响应特性影响等方面获得研究结果。结果表明,低温是影响发动机低温性能的主要影响因素,-48℃条件催化剂无法完成推进剂的催化分解,发动机发生爆炸;-30℃条件下起活时间为80.5～87.5ms,发动机可正常启动,且启动温度与起活时间呈指数关系;催化剂批次差异也对发动机低温工作性能产生一定影响,不同批次催化剂低温起活时间的差异可达91ms;低温试验过程中,电磁阀的关闭受到低温推进剂粘性和背压的影响,产生了明显的迟滞现象,延迟时间约100ms,对发动机在轨的精准控制存在一定影响。     

基于合成卷积层网络结构的焊缝X射线图片缺陷筛选技术

焊接技术应用于多个领域,近些年焊缝缺陷自动检测技术成为了重要的研究方向。本文基于VGG-16卷积神经网络的良好分类性能,提出一种SC-VGG网络结构,利用合成卷积层替换了单个卷积层,同时改进了训练过程中的损失函数,使网络结构更为关注焊缝缺陷类型预测的结果。经过实验测试,SC-VGG网络结构在训练过程中损失函数曲线可以很好的收敛,与其他网络结构相比对焊缝缺陷特征的提取性能更好,平均准确率和召回率达到了95.86%和98.33%,为焊缝缺陷自动化识别提供了算法支撑。     

大数据理论在高精度惯性导航系统测试技术中的应用

当前我国高精度惯性导航系统研制已取得长足进展,但惯性导航系统的精度、可靠性和寿命等应用性能距离世界先进水平仍有差距,主要问题在于全寿命周期内的海量测试数据没有被充分挖掘、分析和应用,严重制约了惯性导航系统精度的提升、可靠性分析和寿命预估的准确性。因此,系统、准确、高效、合理地处理设计、生产、测试和使用过程中的海量数据是分析解决高精度惯性导航系统存在问题、提高生产效率、提升产品质量的有效途径。首先,详细分析了惯性导航测试系统数据采集和数据管理中存在的问题,提出大数据管理分析系统的需求和目标;其次,结合数据管理和分析中的关键技术,构建了惯性导航测试系统以数据采集层、数据支撑层和数据应用层为3大模块的大数据分析平台基本框架。为高精度惯性导航系统优化设计、提升精度、保障产品可靠性、合理预估系统寿命及适应未来战争提供了发展思路。     

基于效用价值驱动的旅客出行动力学研究与建模

为了探究交通体系中旅客出行行为的特征与机理,以某机场离港旅客的陆侧出行数据为研究对象,对旅客出行模式进行了统计。分析发现,旅客聚集行为具有强烈的阵发性,不同出行维度旅客群体的聚集时间间隔分布具有幂律特征,且幂指数和阵发性强度呈正相关关系。同时,研究认为旅客出行换乘决策是综合时间、费用、便捷舒适度、突发情况等多因素的期望实现,是一种基于效用价值驱动的人类行为。基于此构建了效用价值驱动模式下的旅客出行行为动力学模型,可输出幂指数为参数可调的幂律分布,且仿真输出和实证数据分析结果相吻合。      

适用于时变不确定系统的并行模型自适应估计

摘要： 针对受到潜在模型不确定性影响的系统,设计一种并行模型自适应估计(PMAE)算法.以往基于不确定性系统模型设计的滤波算法,在模型精确的情况下,性能往往不及传统卡尔曼滤波（KF）.为了解决该问题,设计基于多个并行滤波器的自适应状态估计算法,其中一个滤波器为KF,用于在未出现模型不确定性的情况下,对系统进行最优状态估计;另一个滤波器为扩维卡尔曼滤波（AKF）,用于在出现模型不确定性的情况下,对不确定性模型参数进行辨识.以空间目标监视为例,分析算法的性能.仿真结果表明,利用PMAE算法能够自适应地对两个并行滤波器进行切换和折衷,从而有效应对模型中存在不确定性和不存在不确定性两种情况.     

某伺服实时控制软件SFMEA/SFTA

对某助推伺服控制软件开展失效模式影响分析(SystemFailureModeandEffectsAnalysis,SFMEA) 和故障树分析(SoftwareFailureTreeAnalysis,SFTA)。SFMEA 是一种自下而上的分析方法,用以辨识出一系列可能的软件潜在故障模式,并评估其对系统工作的危害性。SFTA 是一种自上而下的分析方法,其目标是识别出基本事件(底事件),而基本事件可导致系统产生其所不希望发生的顶事件。应用SFMEA和SFTA的主要目的是提高软件和系统的安全性及可靠性。