基于LSTM循环神经网络的故障时间序列预测

有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆（LSTM）循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。      

影响矩形湍流射流的因素

本文给出热线风速仪测量获得的试验结果,确定了雷诺数 Re、特征比 AR 以及射流初始湍流强度(u′/U)_0对小特征比矩形湍流射流的某些影响。     

多点压力扫描阀系统在测量大型复射流流场中的应用

一种由微机控制的测量速度和压力的快速扫描阀系统已经用于双流道氧枪复射流流场中。在氧气炼钢转炉中为了使 CO 进行二次燃烧,必须使用双流道氧枪。为了研究双流道氧枪复射流特性,在射流完全发展区沿直径方向放一根测杆,在测杆上排列着96支皮托管。皮托管末端的总压管和静压管用塑料软管分别与扫描阀中的4个压力传感器相连接,在16秒钟内扫描阀能自动扫描192个测压点。结果,总压、静压和速度分布能立即显示在 CRT上。为了获得高的测量精度,压力传感器的零点漂移能由软件来消除,同时每支皮托管都用 DANTEC 标定设备进行了速度标定。该测量系统也能用于其它工业规模的流场,如大型风洞,喷气发动机,流化床等。     

射流撞击折板的实验研究

从二维射流边界层流动撞击折板为简化模型，利用声压和脉动流速测量，实验研究了低速回流开口风洞试验段常会出现的射流边界与喷口，收集段相互作用引起射流整体振荡致声现象，除给出振荡频率，强度随撞击长度和射流流速的变化规律外，本文还给出折板几何参数（折转角，折转长度）和板面条件对振荡致声现象的影响，结果表明，折转角在30－60度，折转长度与射流不稳定波波长相当的实壁折板，或内侧面胶贴海绵的平板，能明显削弱振荡，同时考虑几何参数和板面条件时，折转角起主导作用。     

纹影流动显示技术在超声速射流数值模拟验证中的应用

为了研究总压探针测量方法在欠膨胀超声速射流中的可行性,论文采用非结构网格有限体积法对含探针和不含探针的射流流场进行数值模拟,并通过对两个计算结果的比较,给出这种测量方法的参考性评价。为了证明数值方法及计算结果的可靠性,给出了口径6mm的喷嘴、粗1.3mm总压探针在压比4的流动条件下纹影流场显示和总压探针测量等实验结果。     

应用PIV技术对气固两相流粒子浓度场的瞬时测量

气固两相射流有着广泛的应用领域。但如何测量瞬态的粒子浓度和粒子速度目前还没有很好的解决。笔者采用PIV技术,能瞬时测量气固两相射流轴对称平面上粒子浓度分布、粒子运动速度。     

天基海量电磁数据深度处理服务平台

当前电子侦察数据呈现爆炸式增长,如何挖掘电子侦察的潜力,提升应用效能是当前电子侦察技术研究面临的关键问题.海量电磁数据深度处理平台以大数据技术为手段,利用云存储、云计算构建海量电磁数据的大数据深度处理框架,通过数据抽取、知识图谱构建、数据规律挖掘等关键技术,实现基于电磁信息的战场目标状态与意图预测,可有效提高电子侦察在现代信息作战中的重要性,提升电磁情报对战略、战役、战术的支援能力.     

基于N-BEATS的单站对流层天顶总延迟预报

高精度对流层延迟先验值有助于加速精密单点定位的快速收敛。基于高精度高分辨率气象数据库,采用深度学习N BEATS算法,进行了单站对流层天顶总延迟的预报试验。试验选取了9个IGS跟踪站,试验弧段从2002年1月至2019年6月共185a。首先基于N BEATS算法,设计了3种预报策略,然后基于前175a针对不同预报策略进行模型训练,并对最后365d的对流层天顶总延迟进行预报。试验结果表明,以该气象数据库为基准,12h以内预报弧段的预报残差均值量级大多可达亚毫米,2h、4h、6h的预报残差的标准差分别约为5mm、9mm、13mm。     

产品协同设计中异构模型数据融合的有效策略

针对复杂产品设计中,不同设计工具产生的模型数据之间的融合问题,提出了一种工具间端到端的异构模型数据融合策略。利用数据库管理动态特性,通过模型信息共享,实现异构模型数据之间的融合。在OpenMBEE系统集成环境中,通过建模工具CREO二次开发,利用所提策略获取全生命周期设计中的动态模型属性信息,通过3D模型编辑及重用功能测试,验证了所提策略的有效性。利用自动获取可视化模型属性信息的智能算法,设计一种基于Transformer模型与双向长短期记忆(Bi-LSTM)模型相结合的模型属性智能提取算法,利用神经网络的多层感知特性,通过对模型中属性文本信息进行深度学习、特征分析,实现了对异构数据属性信息的自动提取功能。利用CAMEO建模工具设计的需求分析模型构建模型数据集,验证了智能模型信息自动提取功能的有效性。      

卷积神经网络卫星信号自动调制识别算法

自动调制识别是空间认知通信系统的关键技术,有助于实现自适应信号解调。深度神经网络虽然具有特征提取能力强的优势,但也存在参数众多、计算量大的问题,难以实现空间在轨应用。针对以上问题,提出了一种轻量化、高性能的卷积神经网络结构。网络先提取信号的同相正交相关特征,再提取时域特征,最后提取各通道特征均值进行分类。对11种调制方式分类的实验结果表明:当信噪比高于0 dB时,平均识别准确率能达到86.94%,较传统的高阶累积量的方法提高了31.54%;与目前高识别准确率的深度神经网络模型相比,仅使用不到10%的模型参数,在树莓派4B上计算速度平均提高了20倍。