飞行品质监控在诊断飞机相关系统故障方面的应用

本文通过几个典型事例，阐述了在飞行品质监控工作中如何判别异常信息，并利用这些异常信息来诊断飞机相关系统的故障。为保证飞行安全提供了一种技术手段。     

基于Java的Web页中多媒体制作的关键技术

阐述Java在Web主页中多媒体制作的应用。利用Java语言实现多媒体制作的关键技术,其中包括多线程技术和异常处理技术。在Web主页中实现多媒体制作的关键技术,其中包括声音播放、声音合奏、图象播放及动画制作技术。     

航空导航GES/AES系统通信性能研究

航空导航GES(aeronautical ground earth station)/AES(aricraft earht station)系统以海事卫星为空间单元组成信息网络,为航空飞行器与地面提供报文和话音通信业务服务,具有很高的可靠性要求.如果通信过程出现异常,将导致航空飞行器与地面失去通信.首先论述了航空导航GES/AES系统的注册/注销、报文及语音通信等通信过程,然后对通信系统出现的异常情况进行分析研究,提出了应对这些通信异常情况的策略和方法.     

TEC计算方法探讨和赤道异常北驼峰时空特征测量初析

本文探讨了应用最小曲率原理由单站微分多普勒频移数据计算TEC时所遇到的问题和解决办法。处理了用MX1502大地定位接收机于1989年8月和9月先后在陕西临潼和北京观测的NNSS卫星多普勒频移数据,得到了TEC时空分布曲线。分析这些曲线,得到了TEC赤道异常北驼峰时空特征在太阳活动高年(尤其是8月中旬太阳特大质子事件中)的某些结果。     

模式化分析F区电离层赤道异常槽

利用二维低纬电离层理论时变模式模拟低纬电离层演化，考察影响赤道异常槽位置的物理因素．计算结果显示赤道槽有明显的季节、地方时和经度变化．以１１０°Ｅ为例，北半球夏季期间赤道槽一般在磁倾赤道北侧，最北达３°-３．５°Ｎ，而在北半球冬季期间一般位于磁倾赤道南侧，最南可达４°－５°Ｓ．进一步分析发现，赤道槽季节变化中光化电离率季节改变的影响很小，主要由水平中性风季节变化贡献．计算以８３天为例，白天赤道槽在地理经度１００°Ｅ附近最南，２８５°Ｅ附近最北，与观测特征基本一致．主要是背景大气水平风场的经度差异导致赤道槽位置的经度变化，而非前人认为直接由磁偏角控制的．     

基于改进YOLOv5的飞行员异常行为识别方法

为了快速准确地识别飞行员在驾驶舱内的异常行为,以保证航空安全,设计了一种基于改进YOLOv5算法的驾驶舱内飞行员异常行为识别方法。在YOLOv5的骨干网络中加入坐标注意力机制,获取在位置和方向上的特征信息,增强对注意力信息的敏感程度;改良交并比作为损失函数,提高模型计算速度和精度。训练自制飞行员异常行为原始数据集,实验结果表明,在模拟飞行驾驶舱中进行测试,能够准确快速识别飞行员的3种异常行为,平均精度达到98.3%,满足了识别要求。     

某型无人机空中风门开度值异常反馈故障分析

某型无人机试飞过程中,在空中自主飞行模式的额定档位时,风门开度反馈值出现异常,同时活塞发动机转速超转,处于超负荷运转状态下的发动机极易引发空中抱轴故障,从而造成空中事故。针对这一故障,经地面连接PMA通电排故,结合对飞参数据的分析,建立故障树,逐项进行验证,找出故障原因,最终提出了解决方案并对其有效性进行了验证。     

基于图像化变差函数的性能数据异常明别

为提升发动机性能监控的智能化水平,实现性能数据的高效利用,提出了基于图像化变差函数的发动机性能数据异常 判别方法。 通过研究发动机性能数据的标准化修正方法和图像转化方法,将数值型表示的发动机性能数据转化为发动机性能图像。 通过引入变差函数理论,采用 4 方向的变差函数值表示性能特征值,融合不同时刻不同参数的性能数据。 在提取发动机性能图像关 键特征点的基础上,定义性能图像间的差异距离,实现基于变差函数的发动机性能图像异常判别方法,从而实现对发动机性能状态 的判别。 选用若干组实际发动机性能数据对方法进行验证O 验证结果表明:该方法运算高效,实现了高维性能数据的降维和对性能 图像运行状态的分类,从而判别发动机性能数据的运行状态。     

叶栅安装角异常的非定常流场数值模拟

采用商用软件NUMECA对叶栅安装角异常进行二维流场定常和非定常数值模拟,并进行对比分析,得到了因叶栅安装角异常造成通道堵塞对该叶片以及相邻叶栅通道流场结构和非定常气动力的影响.结果表明:安装角异常角度大于0°时,主要对沿吸力面方向叶栅通道流场结构影响较大,随着安装角异常角度的增大,气流不断恶化,出现大面积的附面层分离,尾涡脱落主频率随着安装角异常角度的增大而减小,次频率随着安装角异常角度的增大而增大;并导致叶片非定常气动力相对脉动量迅速增大,这可能是导致叶片疲劳破坏的原因之一.     

基于增量式孤立森林的液体火箭发动机异常检测方法

为解决液体火箭发动机故障标签缺失条件下流数据无监督检测问题,以及满足不同发动机台次和不同工况的自适应检测需求,基于增量学习思想,提出了基于增量式孤立森林的异常检测算法。设计了多工况流数据检测条件下的在线更新策略、异常分数表达式,并通过更新停止策略避免故障数据对模型的污染。利用多台次试车数据对该模型进行验证,并与传统方法进行比较,结果表明,该算法能够对样本异常程度进行量化评价,能够有效检测早期缓变故障,其F₁指标较原始孤立森林算法提高了43%,检测及时性优于红线算法和自适应阈值算法。