疲劳寿命的威布尔概率分布回归检验与参数估计

根据威布尔随机变量与其分布函数在威布尔概率纸上呈线性关系这一特征，经过对随机变量的变换，利用线性回归分析的相关系数检验随机变量是否服从威布尔分布，同时还可以确定威布尔概率分布参数的最优估计结果。     

减速器振动信号的经验模态分解

时域同步平均是直升机减速器诊断技术的基础,目前这种方法依赖于转速传感器提供相位同步信号。探讨了应用经验模态分解代替时域同步平均分析减速器振动信号的方法。构建了一个减速器振动信号模型,提取了故障特征信号。对经验模态分解过程进行了理论推导,证明经验模态分解可以分离出故障特征信号,给出了信号分离的充分条件。将这种方法应用于直升机减速器的两种故障(点蚀和裂纹)振动数据,结果表明经验模态分解正确地分离出了故障特征信号,信号特征更为显著。     

共因失效率的不确定性评估

利用影响矢量法中定义权值的思想并对其进行扩展,针对数据的不确定性问题,提出了一种新的共因失效率的计算方法。该法综合考虑评估和统计的不确定性,利用概率生成函数,根据权值来获得系统多重失效率的均值和方差。算例表明,在计算共因失效率均值时,该法与传统的近似计算法获得了相同的结果,而在计算方差时,传统的近似法给出了过于乐观的结果。     

亚声速埋入式进气道性能回归分析

1引言在采用吸气式发动机的导弹设计中,进气道性能的变化对于发动机推力以及整个导弹的飞行性能有着显著的影响。进气道性能的研究在设计中占有重要比重,尤其在发动机与导弹一体化设计时,必须考虑进气道特性。在各类型的进气道中,埋入式进气道结构简单,能与弹体融合(又称为融合     

基于最小成本的飞机着陆规划算法

在以往着陆规划中，较少考虑公司的成本。利用航班的成本函数，建立了满足着陆间隔、着陆时间段等约束的着陆规划模型，提出了一种使用局部搜索和线性规划的启发式算法。实例验算表明，所给模型及算法可以在合理的时间内求解大规模规划问题，有效地降低公司成本。     

基于自适应核主元分析的EHA系统传感器故障检测

针对核主元分析(KPCA)方法难以选择合适核函数的问题,提出了一种基于自适应核主元分析的传感器故障检测方法,根据训练数据对核函数进行自适应修正,使核函数适应给定的训练数据。对常规数据标准化处理方法进行了改进,提出了一种"均值化"的处理方法,使处理后的数据既能消除不同变量幅值和量纲的影响,又能反映训练数据的全部信息。将此方法应用于机载电动静液作动器(Electro-Hydrostatic Actuator,EHA)系统的传感器故障检测,结果表明,此方法比常规KPCA方法更为先进,具有更好的故障检测性能。     

扑翼非定常运动对平尾影响及俯仰力矩特性研究

为了研究微型扑翼飞行器尾流对其平尾设计、飞行器稳定性以及飞行控制的影响,选取微型扑翼飞行器ASN-211为原模型,采用将其简化为二维的前后串列翼模型进行具体计算和分析。首先以Fluent动网格技术为背景,在用户自定义函数控制扑翼的非定常运动条件下进行不可压、非定常二维流动的计算,并研究在扑翼非定常运动条件下的模型的俯仰力矩特性。然后通过计算不同来流攻角、扑翼扑动频率、扑翼与平尾间距以及不同力矩中心下扑翼、平尾及总的力矩系数,讨论各个参数对力矩特性的影响。最后得出不同的扑翼扑动频率以及扑翼与平尾间距将会对平尾与扑翼的俯仰力矩间的相位差产生影响,所得结论为扑翼飞机的重心布置设计提供参考。     

基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

在对涡轮叶片低循环疲劳寿命概率分析的基础上,将广义回归型神经网络(generalized regression neural network,GRNN)与果蝇优化算法(fruit fly optimization algorithm,FFOA)结合,利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量,进行涡轮叶片低循环疲劳寿命健壮性优化设计.优化结果表明:疲劳寿命的概率区间减小17.9%,对随机变量的敏感度降低,从而可以更精确地对疲劳寿命进行估计.计算结果验证了该方法在工程应用中的可行性.      

航空产品混装PCB回流焊工艺优化

目前航空电子产品印制电路板(PCB)焊接方式越来越多采用表面贴装技术(SMT),而最能体现SMT回流焊工艺能力的参数指标是回流焊曲线。很多焊点的缺陷,特别是目前较难控制与解决的球栅阵列封装器件(BGA:Ball Grid Array)空洞以及虚焊等隐性缺陷都来源于回流焊温度参数的设定。本文运用炉温测试仪和推力试验,结合实验设计获得最优化的参数设定,最终找到混装PCB的最佳回流炉温度曲线,满足了混装PCB焊接质量要求,且具有较强的适应能力。     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.