支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

运输类飞机RVSM适航审定中的机体差异分析及处理

对运输类飞机的RVSM适航审定要求进行说明,并就机体差异导致的高度测量误差进行了分析。提出了评估机体差异导致的剩余静压源误差的一种思路和方法,以及RVSM适航审定中预算分析应考虑的各误差分量。最后指出了为满足飞机持续适航要求而应进行的工作。     

民机机身段和舱内设施坠撞试验及结构适坠性评估

为研究典型民机机身段和内部设施的适坠性,设计并制造了7个框距的全尺寸机身段结构,安装了典型的舱内设施,包括3排航空座椅和2套行李架,建立了机身段结构和舱内设施的撞击有限元模型,通过预试验分析,确定乘员可生存的垂直坠撞速度为7 m/s.坠撞试验中,撞击平台材料为木质,撞击平台下方放置了12个载荷传感器,乘员由15个假人模拟,其中4个假人安装了传感器,行李用配重替代.撞击载荷、结构和假人的加速响应由动态数据采集设备(DAS)测量,并与图像测量同步,给出了数据处理方法和典型的结构、假人响应曲线.通过对撞击过程中机身段结构的能量吸收过程和机理进行分析,提出了3条提高机身结构适坠性的设计思路.根据适航条例对结构适坠性的要求和人体伤害指标,提出了综合适坠性评估指数(ICI)的概念,可对民机结构适坠性进行量化评估,并根据该评估方法和试验结果,对典型机身段的结构适坠性进行了评估.评估结果表明,在给定的坠撞环境下,机身段结构的适坠性满足适航规章的要求.     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

基于单类支持向量机的航空发动机故障检测

通过监控航空发动机性能参数,准确判断发动机的工作状态,预知发动机的异常变化．为预防和排除故障提供充足的时间和决策依据。开发出利用QAR（quick access Feeorder．快速存取记录器）数据的发动机故障检测系统,该系统基于民航发动机的QAR数据,由于发动机正常运行数据容易获取．而故障样本难以获得．因而采用单类支持向量机（OCSVM）,仅依靠发动机的健康数据建立其分类器。利用OCSVM分类器．监控后续航班参数是否出现异常,通过分析检测结果,实现发动机故障检测。采用该系统监控航空发动机性能参数．及时发现发动机运行状态异常,证明了系统的可行性和有效性。     

航空发动机排气温度基线建模新方法研究

为实现航空发动机气路性能诊断与预测,提出一种基于堆叠降噪自编码器(Stacked de?noising auto encoder,SDAE)和支持向量回归(Support vector regression,SVR)相结合的航空发动机排气温度(Exhaust gas temperature,EGT)基线建模方法.以CF...     

单相机高温三维数字图像相关方法

高超声速飞行器热防护材料和结构在地面考核试验中高温变形的准确测量一直是困扰相关工程技术人员的测试技术难题之一。建立了基于单个普通相机/紫外相机和组合式平面反射镜相结合的单相机高温三维数字图像相关(3D-DIC)测量系统,该系统采用高亮度单色光照明(蓝光/紫外照明)和带通滤波成像(蓝色/紫外滤波片)相结合的主动光学成像技术克服高温测量过程中的热辐射干扰问题。首先,采用面内和离面平移实验验证了“主动成像”单相机3D-DIC系统的位移测量精度。然后,利用建立的蓝光单相机3D-DIC系统测量了不锈钢和氧化铝陶瓷试验件不同温度下非直接受热面(后表面)的全场变形,实验测得的材料热膨胀系数与航空材料手册参考值一致。最后,利用建立的紫外单相机3D-DIC系统测量了不锈钢材料直接受热面(前表面)的全场变形,测得材料热膨胀系数同样与参考值接近。     

引入杆位移抑制滤波器的驾驶员诱发振荡防范方法

对人-机闭环系统进行数学建模,基于 Neal-Smith频域准则,对建立的模型进行参数匹配。在该模型条件下,以对驾驶员诱发振荡(Pilot Induced Oscillation,PIO)现象的产生机理及诱发因素的研究为基础,深入探讨了在恶劣环境下 PIO的防范方法,并利用 Neal-Smith频域准则对该防范方法进行评估。通过开环特性和闭环特性分析,确立了引入杆位移抑制滤波器的方法来有效抑制 PIO的发生,为飞机设计研制过程中有效防范 PIO提供借鉴和参考。     

基于GRA-IPSO-SVM的航材携行需求预测研究

异地执行飞行任务中航材需求的准确预测是做好携行保障的主要内容之一,为此提出灰色关联度（GRA）与改进的粒子群算法（IPSO）及支持向量机（SVM）相结合的航材预测方法。首先运用GRA 对航材携行需求的影响因素进行分析;其次引入活性因子和非线性惯性系数改进粒子群算法,并通过IPSO 对SVM 参数进行寻优;最后使用优化后的SVM 模型预测航材需求。结果表明：GRA-IPSO-SVM 方法预测结果的均方根误差比PSO-SVM 方法下降0.16,平均绝对百分比误差下降2.18%,且预测时间减少了0.7 s。     

基于1-DISVM的聚类模型及直升机齿轮箱故障诊断应用

针对当前故障诊断中存在的训练样本少、知识难获取的问题,结合SVM小样本学习的特点,提出一种基于SVM的自学习聚类模型。通过改进无监督1-SVM算法上的不足,形成一种改进决策1-SVM(1-DISVM)算法,由此构建了多模式训练与分类算法,并设计出基于1-DISVM的自学习聚类模型。最后对其进行仿真验证,并应用于直升机齿轮箱的故障诊断,结果表明该方法能从少量样本中自学习输入模式的内在规律,自适应地对未知故障模式进行准确地分类识别。