某型发动机健康诊断系统的研究

介绍了基于数据库开发实现发动机健康诊断系统的设计方案,提出了按知识点分类的方法构建知识库,降低了构建知识库的难度,缩小了诊断范围,提高了故障诊断成功率。     

航空智能发动机发展需求及关键控制技术

介绍了航空智能发动机的概念及国外发展背景,智能发动机的需求和未来所面临的技术挑战,并且分析了智能发动机所需的关键控制技术,最后根据现代航空发动机的特点,详细研究分析了使现阶段航空发动机更加智能化并且易于实现的关键控制技术。     

浅谈老龄飞机健康管理系统建设

阐述了某公司以波音757/767飞机为主的老龄机队在飞机健康管理系统建设中面临的挑战,提出了解决方案,展示了建设成果,列举了包括大数据分析在内的几个成熟实践案例,并对后续的建设提出了展望。     

飞机总装生产线节拍闭环控制模型设计与分析

总装作为飞机制造的重要环节,如何提高其产能和稳定生产一直是研究热点。基于某类运输机产能分析,对总装生产过程的异常问题进行归一化分类,设计出了一种总装生产线节拍闭环控制模型,利用异常类别比率作为该类型产品总装生产节拍控制模型的输入参数,将负载率和产能作为输出。采用神经网络模型分析输入变量与输出变量之间的关系,构建出总装生产线健康状态评估模型。依据状态评估模型的产能输出,采用马尔可夫模型构建了总装线产能预测模型,进而评估总装线节拍生产计划执行情况,并反馈给节拍控制器实现节拍调整。最后,一个实践设计表明该闭环控制模型可以通过节拍控制实现产能控制。     

基于健康度分析与分层数据融合的导弹健康状态评估

针对导弹装备提出了一种基于健康度分析与分层数据融合的评价方法,可以实现对导弹健康状态的评估与分级。首先,利用导弹各个部件的性能参数来计算部件的健康度,并通过部件的履历信息对其健康度进行修正。然后,对各部件的修正健康度进行分层数据融合来得到导弹综合健康状态的评估结果。特别地,设计了一种基于惩罚型权重更新的健康度分层数据融合算法,能够有效提高导弹综合健康状态评估结果的合理性和可靠性。最后,采用导弹的性能参数数据对所提出的方法进行了仿真验证,仿真结果表明了所提方法的可行性与有效性。     

无人机故障预测及健康管理系统结构设计

PHM是新一代武器系统故障检测、隔离和预测及状态管理技术.文章阐述了无人机故障预测及健康管理系统的概念和功能结构,根据无人机系统故障特点建立了系统设备拓扑结构,在此基础上构建了无人机PHM系统逻辑体系结构.     

航空装备视情维修的应用实践与发展

简述了视情维修的发展历程及理论依据,通过国外军民用航空装备应用视情维修工程实践的实例阐明视情维修保障模式的优势、可行性和未来发展趋势,简要分析了视情维修给航空修理保障工作带来的挑战,说明现阶段开展视情维修工程实践是提升航空装备综合作战效能和战备完好性的有效手段。     

F-35战斗机的状态预测与健康管理系统

为了实现在1993年立项之初确立的经济可承受性设想,F-35战斗机在研制过程中全面贯彻实施自主式保障(AL)方案。状态预测与健康管理(PHM)系统是F-35战斗机AL方案的核心关键技术,它是当前战斗机上使用的机内自检(BIT)和状态监控能力的进一步拓展。PHM技术在F-35战斗机项目上的应用备受关注。     

贴附式涡流传感器损伤监测特性仿真与实验研究

为满足飞机结构裂纹扩展定量化监测和工程化应用的需求,探索MWM(Meandering Winding Magnetometer)传感器进行结构健康监控的可行性,设计了一种贴附式涡流阵列传感器并为传感器的工程化应用开展了仿真优化和实验研究。基于裂纹扩展分段监测的思路,传感器的感应线圈和激励线圈采用阵列化设计。通过将材料的电导率提取为结构的等效损伤参数,构建了传感器损伤监测正向半解析模型,并对线圈厚度和基材层厚度进行了优化。为验证传感器的监测能力,开展了程序载荷谱下的2A12-T4铝合金阳极氧化试件的疲劳裂纹扩展监测实验。仿真优化结果表明,传感器监测灵敏度随提离距离的增加而减小,传感器最优工作频率范围为0.3~0.7MHz。裂纹扩展监测实验结果表明,贴附式涡流传感器具备对金属结构进行实时损伤监测的能力,感应线圈的阵列化布置方式实现了裂纹扩展的定量监测,精度达到毫米级,同断口分析结果相比,平均监测误差为3.85%。     

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。