融合机床精度与工艺参数的铣削误差预测模型

为弥补现有五轴联动数控铣床加工飞机结构件的加工精度评估系统的不足,提出利用机床精度检测数据和零件特征及其工艺参数来构建评估指标体系,基于BP神经网络建立了飞机结构件加工误差预测模型。通过完成训练的网络权值分布,计算出各输入指标对最后评估结果的影响,并通过实例分析检验了模型的可靠性。结果表明,经BP神经网络模型训练得到的结果和样本零件的三坐标测量机测量数据基本吻合,选取的评价指标具有有效性。该评估模型能够有效地融合机床精度检测数据和零件特征及其加工工艺参数,对飞机结构件的铣削加工误差进行预测。     

航空发动机涡轮叶片的失效分析与检测技术

通过分析航空发动机涡轮叶片的失效机理与寿命预测模型,从理论上阐述了导致叶片失效的关键因素。并针对影响叶片寿命的关键参数系统地阐述了目前的检测技术和发展趋势,主要包括叶片制造过程中叶片轮廓、进出气边轮廓、气膜孔、表面质量的检测,以及叶片服役后涂层质量、蠕变伸长量的离线和在线检测。检测技术既是叶片制造一致性的保障,同时也为失效机理和寿命预测提供实验测量数据,使预测模型更精准。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

基于非结构混合网格的CHN-T1标模气动特性预测

本文使用自行研制的基于非结构混合网格的亚跨超声速流场解算器MFlow,对AeCW-1提供的客机标模CHN-T1进行了数值模拟研究。介绍了非结构混合网格的生成情况,重点分析了网格收敛特性、压力分布、气动特性曲线、流动分离等。计算得到了近似线性的网格收敛特性。随着网格加密,对激波和分离气泡的模拟更精细。尾支撑对气动特性的影响非常明显,特别是对平尾气动特性有很大影响。机翼静气动弹性变形的影响主要是使升力系数和阻力系数减小。湍流模型的QCR修正对大迎角计算结果有较大的影响。计算结果表明,MFlow程序能够准确地预测客机标模的气动特性。     

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.     

FOD缺口型损伤对TC4疲劳极限强度的影响

针对TC4钛合金风扇/压气机叶片前缘常遭受的外物损伤(FOD)缺口型损伤,进行了不同冲击角度下高速弹道冲击试验研究、损伤特征与应力集中分析,开展了冲击后不处理和冲击后去残余应力退火试样的高循环疲劳试验和疲劳极限强度预测。结果表明:随着冲击角度的增大入射侧损伤尺寸和应力集中系数基本保持不变,出射侧缺口损伤深度和损伤长度减小。损伤深度范围为0.6~1.5mm,应力集中系数范围为2.6~3.4。缺口型损伤试样的疲劳极限强度下降为光滑试样的27%~53%,与应力集中系数并不是呈反比关系。退火试样的高循环疲劳(HCF)性能或略微下降或基本不变,表明残余应力影响较小,残余应力对疲劳极限强度的影响程度不足光滑试样的10%。缺口型损伤试样的HCF性能与损伤底部半径的相关性不明显,随着最大损伤深度和损伤长度的增加而下降,表明制定维修手册时应着重考虑缺口型损伤的最大深度和损伤长度。Peterson经验公式对HCF性能的预测精度不理想,误差最大为45%,需要发展高精度的FOD缺口型损伤构件HCF性能预测方法。      

基于在线学习的数控加工刀具寿命动态预测方法

预测刀具寿命对保证零件质量和控制加工成本意义重大,但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,提出了一种基于在线学习的刀具寿命动态预测方法,以长短时记忆网络为基础模型,融合在线学习模块,使得模型能够在加工过程中自动更新参数,实现变工况下刀具寿命的精确预测。进行了铣削加工试验,结果表明,刀具寿命动态预测方法可以有效提升刀具寿命预测精度。     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此,提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换,如短时傅里叶变换或自适应谱估计法,以及多项式预测模型,将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法,以及谱分量幅度和频率的联合似然函数,就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中,所提算法有效提升了动态时频谱的跟踪精度,其对微弱时频谱分量的探测能力,以及对载频差异的分析能力均优于文献报道的算法。     

部分可观测信息条件下装备剩余寿命预测

 针对部分可观测信息条件下退化系统的剩余寿命(RUL)预测问题,综合利用装备的历史寿命信息和性能退化信息,采用隐马尔可夫模型(HMM)对系统进行状态评估,得到系统的转移概率矩阵和观测概率矩阵;采用Bayes方法不断更新系统状态空间的条件概率分布;利用比例故障率模型(PHM)对系统进行可靠性分析,得到系统的故障率和可靠度函数,进而得到装备的剩余寿命分布。研究表明,该方法可较准确地预测装备的剩余寿命,为保障人员提供科学的维修决策依据。     

目标短时遮挡下的光电平台目标跟踪预测与控制

无人机在高空飞行并跟踪地面目标的过程中,当目标受到障碍物遮挡,会导致跟踪失败。本文建立了目标相对无人机的运动模型,设计了基于卡尔曼滤波的目标预测器,并在目标遮挡发生时利用目标角位置预测值以及姿态锁定回路实现了对目标的预测跟踪。本文运用相似性原理设计了室内目标跟踪场景。仿真和试验证明,本文所设计的预测器能较好的预测目标角位置,与控制回路相结合能克服短时间的目标跟踪丢失。