航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题,提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型,实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失,对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型,并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明,模型对已知和未知类故障平均识别率达99.57%,10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%,验证了模型的有效性和优越性,能高准确率地识别出已知或以前从未出现的新故障。      

火星探测器捕获段自适应卡尔曼滤波方法

天文导航是一种广泛应用于深空探测任务中的节能、高效的导航方式。基于轨道动力学模型和星光角距的卡尔曼滤波方法已经被成功应用在天文导航系统中。在捕获段由于探测器所处动力学环境复杂,未建模的加速度误差,星历误差等都会造成过程噪声统计特性不完全。针对以上问题,提出一种根据新息和残差序列的变化趋势来调节过程噪声协方差阵的自适应平方根容积卡尔曼的方法（AQSCKF）。该方法先分别利用新息和残差计算调节因子,然后判断新息和残差的变化趋势,当新息和残差的变化趋势一致时,取二者调节因子的均值作为过程噪声方差阵的调节因子,对其进行调节。此外,本文还将该方法与传统的只利用新息或残差在线调节协方差阵的平方根容积卡尔曼滤波（SCKF）方法进行对比,仿真结果表明,在解决由于过程噪声统计特性不能完全已知的问题上,AQSCKF算法不仅能显著提高导航精度,并且具有很好的稳定性。     

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点,导致空间关联规则挖掘与传统的统计关联规则挖掘不同,不存在统计的“事务”,挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”,以代替传统关联规则挖掘中的事务,建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatial multidimensional association rules model,SMARM)。设计并实现了一种新的挖掘算法SMARBIA,用基于影响域、空间支持度等剪枝技巧,克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明,该算法能有效地减少候选项目集而获得较好的性能。     

层板发汗冷却推力室传热分析

对于采用层板发汗冷却的推力室,为了最大限度地减少冷却剂流量,理想情况是,应根据不同轴向位置的受热情况来分配冷却剂流量,以使各处的壁面温度都控制在材料的许用温度内.本文运用有限体积法,对层板发汗冷却推力室内的燃气流动和壁面内的传热进行了数值模拟,同时通过调节冷却剂吹风比,使各处的壁面温度都控制在材料的许用温度之内.为综合...     

非线性系统的动态神经网络自适应辨识

提出了用双层动态神经网络在线辨识非线性动态系统的方法。神经网络的权重在线学习,不需要离线训练。在无逼近误差和扰动的理想情况下,所提出的在线算法能保证辨识误差趋于零,基函数持续激励条件能保证权重趋于零。在非理想情况下,权重调整律采用ｅ修正权重算法,它是ＢＰ算法的推广,不需要基函数的持续激励条件。基于李雅普诺夫稳定性理论保证了自适应辨识系统的稳定性。仿真算例说明了所提出的动态神经网络自适应辨识的有效性     

军用航空燃气涡轮发动机包装运输设计研究

为了有效防止损伤和环境腐蚀,需要对军用航空燃气涡轮发动机进行良好地包装运输设计。重点分析研究美国发动机的包装运输设计,包括规范与标准、运输装置与运输方式、运输车运输、运输罐运输、托架运输等。简要介绍中国的发动机包装运输设计,比较美国与中国的发动机包装运输设计。提出借鉴美国设计完善和改进中国战斗机发动机包装运输设计的建议。     

碳/碳复合材料表面纳米HAp/壳聚糖生物复合涂层的制备

以声化学法合成的纳米羟基磷灰石(HAp)为起始原料,以异丙醇作为分散介质,采用水热电泳沉积法在经壳聚糖(CS)溶液改性后的碳/碳复合材料(C/C)表面沉积纳米HAp/CS生物复合涂层.重点研究了水热条件下沉积电压对复合涂层的晶相组成、形貌和结构的影响规律.采用X-射线衍射仪(XRD)、透射电子显微镜(TEM)、傅立叶变换红外光谱分析仪(FTIR)和场发射扫描电子显微镜(FE-SEM)对所制备的涂层进行表征.结果表明:随着沉积电压的升高,涂层更加致密和均匀;同时水热环境有利于纳米HAp晶粒的生长,制备出的HAp/CS复合涂层不需要后续热处理.     

混合重叠网格插值方法的改进及应用

混合重叠网格间合理插值是保证流场计算正确的基础之一。本文针对重叠区网格尺寸匹配度较差时插值误差较大问题,发展了一种新型混合重叠网格插值方法,通过使用二阶精度插值、按单元尺度区分和扩充模板,改善了插值区网格尺寸匹配度较差时的插值精度。本文方法适用于任意单元类型的混合网格重叠,对各类单元处理透明,实现简单。计算结果表明,采用本文方法在网格重叠区流场变量传递正确有效,插值区网格尺寸匹配度较差时,相比原始方法,等值线过渡更为光滑,变量经过插值区耗散更小,计算与试验值符合更好。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。