火箭子级垂直回收布局气动特性及发动机喷管影响

垂直回收可重复使用运载火箭是运载火箭发展的一个重要方向,大长细比的火箭子级垂直再入过程属于典型的非规则钝头体绕流,与传统低阻力流线体飞行器气动特性差异较大。采用风洞试验辅以数值仿真分析的方法,对基于栅格舵的火箭子级垂直回收构型基本气动特性和非规则钝头体绕流情况进行了研究,获得了发动机外露喷管和栅格舵对火箭子级垂直回收气动特性的影响规律,给出了火箭子级垂直回收布局设计建议。结果表明：火箭子级倒飞状态下肩部区域会在小迎角下产生大分离流动,外露发动机喷管左右两侧诱导出较强的分离涡结构,与火箭尾翼、肩部大分离流动相互作用;垂直回收构型在超声速下阻力会一直处于较高的水平,不同马赫数下压心移动量较大,倒飞时发动机外露喷管会产生较大的干扰静不稳定力矩,其量值与栅格舵提供的静稳定控制力矩基本相当,在火箭子级垂直回收方案设计时需要引起注意。     

模糊线性/非线性自抗扰切换控制及其应用

针对干扰弹在作战过程中所遇到的强非线性的干扰、模型不确定性的影响等特性,提出了一种模糊线性/非线性自抗扰切换控制器。首先,以干扰弹滚转运动模拟装置为研究对象,分别建立了以飞轮角速度为被控量、滚转角为被控量的数学模型;提出了用模糊规则改进线性/非线性自抗扰切换控制条件,进而实现更为平稳的模糊软切换;然后选择采用飞轮角速度线性自抗扰控制内环和滚转角模糊线性/非线性自抗扰切换控制外环的双闭环控制策略;最后,搭建了系统的仿真模型与实验平台。仿真与实验结果都表明该控制器兼具了线性自抗扰与非线性自抗扰的优势,具有较高的实际应用价值。     

基于RS-CART决策树的航空发动机小样本故障诊断

针对CART(classification and regression tree)分类决策树构建过程中由于小样本集特征维数高及噪声等造成的过拟合问题,在CART决策树算法训练过程中引入基于互信息的粗糙集(rough sets,RS)属性约简,考虑信息熵与基尼(GINI)系数刻画样本集“纯净度”的相似关系,对历史故障数据进行属性约简,降低属性维度以优化训练集,在此基础上构建分类决策树,可视化输出规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。     

基于RBR与CBR的维修大纲专家系统

根据飞机维修大纲研制的需要,依据最新的维修指导小组思想和类似机型的维修大纲经验,提出了基于规则推理(RBR)和案例推理(CBR)相结合的民机维修大纲制订方法.构建了民机维修大纲专家系统的总体框架,并对该系统中的关键技术问题——案例的表示和组织、案例的检索、集成推理技术和案例的修正与存储进行了详细分析和研究.案例的检索分两步进行:首先从案例库中找出与新机型尽可能相似的机型,然后,从类似机型中进一步匹配出最相似的项目.集成推理采用RBR和CBR分开推理,再比较结果做出决策.最后,采用面向对象的程序设计方法对该专家系统编程,并以某航空公司飞机验证了RBR和CBR相结合的维修大纲制订方法的有效性.      

提高模糊控制品质的一种方法

本文将控制系统动态过程划分为三个阶段,即初期段、中期段和末期段,然后根据不同阶段的控制特点,采取不同的模糊控制策略,从而形成了一种分段模糊控制方法,与基本模糊控制方法相比,该方法提供了较好的控制品质,文中算例证实了这一点。     

WEB访问信息挖掘中的关联规则发现算法的研究

本文采用了一种快速算法Aprioti，将传统数据挖掘技术中的关联规则发现技术引入web数据挖掘，并针对在Web应用的特点进行了改进，有效地提高了求高频站点集的效率。     

基于层次分析法的桥梁承载力检算方法

在分析桥梁承载力检算方法现状的基础上,引进了变权原理及模糊描述,提出了基于无损检测信息的层次分析法承载力估算模型.基于实测强度的桥梁理论分析了承载力,并结合检测信息进行修正.修正内容包括截面折减及构件恶化,其中截面折减考虑混凝土截面折减及钢筋截面折减;构件恶化考虑了混凝土表观缺损状况、混凝土实际强度、钢筋锈蚀电位、氯离子含量、碳化深度及保护层厚度这6个因素.各因素的权重采用层次分析法,由专家调查的判断矩阵计算,并引进变权公式对状况较差的因素加大权重.最后以实桥为例进行承载力检算,计算结果与试验吻合良好,表明所提方法客观、全面且结果可靠.     

某型飞机环控系统故障诊断系统设计

针对飞机环控系统故障的复杂性与不确定性以及单一故障诊断方法存在的缺陷,设计了融合案例推理(CBR)和规则推理(RBR)的某型飞机环控系统故障诊断系统。提出了以CBR为前导,RBR为后置补充的故障推理模式,并在此基础上对案例特征权值、相似度计算以及规则知识表示进行优化设计,提高了系统诊断的效率和准确率。     

基于QAR数据的关联规则挖掘算法的研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点,设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori.对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间,提高算法的运算效率,提高QAR数据关联规则挖掘的效率.