RNN在降落伞开伞特性研究中的应用

为了对降落伞充气展开过程中的拉力、速度等关键特性进行预测,结合当下机器学习的研究热点,使用循环神经网络对空投试验数据进行学习和训练。文章对原始数据进行了归一化预处理并且采用批量梯度下降的训练方式;试验验证了循环网络方法对充气过程中重要参数进行计算的可行性;并且说明了时间序数索引项在试验中需带入网络参与计算的特点。试验结果表明,使用循环神经网络对训练集数据的开伞速度曲线拟合效果很好;计算结果能够准确反映开伞过程中的拉力变化趋势,峰值误差小于1%,且峰值时刻误差小于2%。     

iSIGHT优化方法在涡轮叶片冷却设计中的应用

针对现有航空发动机涡轮叶片内冷结构的快速改进,在对叶片冷却设计方法集成的基础上,建立了一类冷却叶片的优化模型,并成功将该优化模型应用在航空发动机涡轮叶片设计中。结果表明,在相同冷却空气用量下,叶片表面最高温度降低了72.4℃,叶片温差减小了110.4℃,优化效果明显。同时,将近似技术成功应用到叶片优化设计中,提高了任务分析效率,为现有发动机涡轮叶片快速改进提供了一种有效手段。     

气液针栓式喷注器液膜破碎过程和结构的数值研究

为了更好地认识针栓式喷注器雾化场的结构，基于网格自适应加密技术以及VOF (volume of fraction)方法追踪气液的分界面，采用realizable k-ε湍流模型模拟整个流动过程，还原了不同时刻气/液撞击的初次破碎过程，数值模拟结果与高速摄影试验结果定性定量对比均吻合较好，验证了数值方法的准确性。进一步对针栓式喷注器气/液撞击的初次破碎过程、内部流场涡结构、速度场进行分析，研究了初次破碎雾化的动力学过程和机理。研究结果表明：液桥的形成主要是由液洞的扩展和拉伸、合并而形成，而液滴主要是由中心液膜拉伸、液丝断裂以及液桥断裂而形成，液膜破碎阶段形成的涡结构是造成液膜断裂的主要原因。     

CIO在PLM中的作用——帮助开发"一流的产品"以推动经济复苏

2010年第一季度的Aberdeen商业评论指出,产品生命周期管理(PLM)对业务连续性变得空前重要,并因而被迅速列入到CIO的战略性议事日程上。基于此,Aberdeen以160多家制造商为对象开展了一项调查研究。本文是该项研究的结果,它为CIO提供了切实可行的指导意见,可确保他们从PLM中充分挖掘业务价值。     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

基于测控系统的质量信息监测系统设计与应用

在测控试验现场,针对测控设备状态和测控数据的质量信息,采用智能自动监测技术对设备和测控数据进行实时监视以及动态分析,提出了科学的异常判决方法和处理方案,开发了试验质量信息综合分析实时监测系统,实现了测控流程智能化管控、测控信息自动分析处理和质量信息自动化管理。在多颗卫星的跟踪验证中,质量信息监测系统对卫星长期管理的宏参数宏配置下发、标校和目标捕获与跟踪等任务过程能够进行准确监视,可以及时监测到测控数据和测控时间的异常并报警,并能够自动生成任务实施登记表等测控质量报表。实验表明,质量信息监测系统软硬件设计完善、状态监测点设置合理、判读测控事件方法有效。     

基于损伤检测的飞机结构腐蚀损伤预测方法对比研究

针对飞机结构材料易腐蚀特点,采用 BP 神经网络算法、数据拟合方法、指数平滑预测三种方法,对飞机铝合金结构腐蚀损伤进行预测对比分析。预测结果及其误差以及对比分析图表明,BP 神经网络算法所构建的网络预测模型对一定腐蚀周期内的腐蚀损伤有较好预测能力,指数平滑预测方法和幂函数数据拟合方法对一定腐蚀周期之外的腐蚀损伤预测有较好的外延性。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

高超声速飞行器自适应神经网络容错控制

针对高超声速飞行器巡航段执行器控制效益损失故障和卡死故障问题,基于高超声速飞行器纵向运动模型,将自适应算法与改进的径向基函数神经网络(RBFNN)方法相结合,设计了一种自适应神经网络容错控制器。所提出的容错控制方法具有无需估计执行器故障值的优点,且设计的控制算法结构简单,无需大量实时计算,可以快速处理故障的发生,确保系统在参数不确定、恒定或时变执行器故障与卡死故障情况下仍具有稳定跟踪能力。最后,仿真验证了该方法的有效性。     

基于灰色神经网络的APU维修成本预测研究

对APU的维修工作进行分析,提出APU维修成本的结构组成,利用APU在翼性能参数与维修成本的映射关系确定预测参数,在传统灰色预测方法的基础上融合BP神经网络,构建了基于灰色神经网络的APU维修成本预测模型。以某航空公司APS3200型APU维修数据为样本,运用MATLAB对影响参数进行关联分析,并对所建立的模型进行拟合和验证分析。该模型具有样本少、训练快、预测精度高等特点,实现了对APU维修成本的准确预测,可为航空公司年度APU维修预算制定、维修合同谈判、经济性拆发等提供决策支持。