基于ARCN模型的轴承故障诊断

提出注意力循环机制与胶囊网络融合的注意力循环胶囊网络（ARCN）的诊断模型。提取时序特征信息构建初级胶囊;自适应融合路由机制、注意力循环机制构建数字胶囊特征;基于西储大学轴承实验数据,验证了ARCN模型的准确率、鲁棒性、稳定性、收敛误差,其准确率相比Caps模型识别准确率提高1.2%、收敛误差达到0.2。基于实验仿真平台,采集正常、内环故障、外环故障和滚动体故障的振动信号,并通过小波基变换获取的时频图构建ARCN模型的数据集。仿真实验结果表明:ARCN模型下,每类故障被误诊的概率不超过总样本的1%。      

竞争对票价的影响:美国实证研究

最困扰全球航空公司业的一个问题就是:为何它在一个完整的商业周期里不能盈利?在2000-2009年期间,全球航空公司业净亏损估计超过520亿美元;在更长的一个时期(1980-2009年期间),行业范围的净亏损估计约为160亿美元。对于航空公司业在本商业周期不能盈利的一个普遍解释就是:它太分散,运     

机载核心处理平台与网络技术的应用前景

微电子技术的高速发展,为机载核心处理平台的技术进步提供了强有力的支撑。本文从机载核心处理平台及网络的“随需安装”、多核处理器技术应用、高安全操作系统技术、机载信息安全技术、可重构计算技术、机载网络技术以及新型散热技术等方面,探讨了机载机载核心处理平台与网络技术的应用前景。     

面向未来的空天地一体化网络技术

“空天地一体化网络”是21世纪科学技术的重大课题之一,也是当今世界强国国家战略发展的重要内容。目前,由北京航空航天大学张军教授领导的,有一批中青年学术精英参加的学术团队正在从事“空天地一体化网络”的论证与研究,北航电子信息工程学院通过为中国民航构建新一代空中交通管理系统网络的实践为此打下良好的技术和人才基础。本刊从这期开始将陆续刊登与此相关内容。     

基于复杂网络的舰艇编队信息关系结构评估

通过引入复杂网络中的网络分析模型,建立了一个用于评价舰艇编队信息关系结构的模型,并从网络拓扑结构的角度对舰艇编队信息关系结构进行了实例分析。所建立的模型可以从多个角度对舰艇编队信息关系结构进行评价,这为海上舰艇编队通信组网提供了一种新的评价思路。     

基于Kohonen网络的动目标实时定位融合算法

为完成对动目标的实时定位测量,有效减小测控装备组网测量实时跟踪定位误差,在建立多定位子系统组网混合式融合结构模型的基础上,利用Kohonen网络的自组织特征映射模型特点,确定各组交会数据的权值,并将其输入1个Kohonen网络进行在线竞争、融合求得目标的位置信息,增强了目标实时位置信息的连续性、完整性,减小了实时定位误差。     

基于不确定传感器状态的机载系统多层故障诊断方法

准确的机载系统故障诊断是保证飞机安全飞行和实现经济效益最大化的重要途径。然而传感器受到内外部环境条件的影响而不可避免的存在检测状态的不确定性,因此基于单个传感器或局部区域传感器综合检测结果的方法难以完全保证故障诊断的有效性和正确性。针对飞机机载系统的结构和工作原理,充分利用系统中不同层级、不同区域传感器检测特征之间的关联关系,考虑单个传感器本身存在的不确定性,构建了传感器信息前向融合与反向校验相结合的分层诊断决策方法,实现了对系统状态和传感器状态的双重估计与更新,克服了单一传感器故障对系统诊断推理准确度的影响。该方法较传统故障诊断模型,不再依赖某一个或某一类传感器信息的绝对可靠,在实现系统级的准确故障诊断同时,还能判断具体某一传感器本身是否发生虚拟警。在飞机液压系统故障诊断案例中,新方法成功将系统故障诊断的虚警率降低了96%,传感器的不确定度降低了84%。     

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

无人机用燃料电池阴极供气系统建模与控制

燃料电池因其高效、无污染、噪声小等特点,被认为是未来最具有潜力的无人机（UAV）用动力源,燃料电池阴极供气系统的控制技术是决定燃料电池系统性能和可靠性的关键。针对无人机用质子交换膜燃料电池（PEMFC）阴极供气系统,首先,考虑外界温度、压力、空气密度以及雷诺数等随高度变化的参数,建立了跨高度离心空压机模型并分析了其在不同高度下的工作特性,基于无刷直流电机反电势特征构建了高速空压机驱动电机模型。其次,通过计算燃料电池阴极氧气和氮气的动态分压获取了PEMFC电堆输出电压。设计了基于分数阶PI^λD^μ的过氧比和阴极气压控制方法,驱动电机采用有限集模型预测控制（MPC）实现快速的转矩响应,仿真结果表明设计的控制器可在无人机跨高度运行条件下实现过氧比的快速调节,同时维持阴极气压稳定,满足燃料电池阴极供气需求。     

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。