基于灰色神经网络的APU维修成本预测研究

对APU的维修工作进行分析,提出APU维修成本的结构组成,利用APU在翼性能参数与维修成本的映射关系确定预测参数,在传统灰色预测方法的基础上融合BP神经网络,构建了基于灰色神经网络的APU维修成本预测模型。以某航空公司APS3200型APU维修数据为样本,运用MATLAB对影响参数进行关联分析,并对所建立的模型进行拟合和验证分析。该模型具有样本少、训练快、预测精度高等特点,实现了对APU维修成本的准确预测,可为航空公司年度APU维修预算制定、维修合同谈判、经济性拆发等提供决策支持。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

转子系统挤压油膜阻尼器设计与动力特性

鉴于挤压油膜阻尼器(SFD)设计必须要同时考虑转子系统的动力学特性,提出了一种转子系统与挤压油膜阻尼器耦合设计方法,给出了详细的设计流程。对所设计的阻尼器进行了CFD数值模拟、油膜压力测量以及减振效果实验,结果证明所提出的设计方法是有效的。相比未采用阻尼器,采用阻尼器后转子系统两个转盘的振幅分别下降了46%和39%。通过实验还研究了不平衡量、支承刚度、供油压力和滑油温度对挤压油膜阻尼器减振效果的影响。结果表明,相比于不平衡量和支承刚度对减振效果的影响,供油压力和滑油温度的影响并不显著。进行挤压油膜阻尼器设计时,重点应该关注转子上的不平衡量大小和支承刚度。     

整体弹性结构法及在叶片流固耦合分析中的应用

针对三维叶片时域流固耦合振动响应计算普遍耗时的问题,采用一种假设整体结构的模态位移,求解固体时域响应和实现高效网格变形,发展了一种3维时域流固耦合分析的整体弹性结构方法,并应用于压气机叶片0°和180°相位角的气动稳定性分析中。结果表明,所发展方法的计算结果与传统双向时域算法和文献的结果较为吻合,而计算效率相比于传统算法显著提升;在所分析的两个相位角下,叶片振动的气动阻尼均随流量减小先增大后降低,相比于0°相位角,180°下叶片的气动稳定性大幅提高,表明该方法能有效应用于叶片的工程流固耦合研究。     

正反顺序加载下安装边螺栓预紧力分散度的数值模拟与试验验证

在航空发动机机匣安装边装配过程中,不同位置螺栓之间会产生弹性交互作用,不同加载方案会使装配后的螺栓预紧力存在一定的分散度。针对这一问题,建立了3层带止口机匣安装边3维接触有限元模型,研究不同加载方案下螺栓预紧力的施加方法。基于有限元模型数值模拟了3层机匣安装边分别在顺序加载方案、交叉加载方案和正反顺序2轮加载方案下螺栓预紧力的分散度。搭建了相应的试验装置,分别对3种加载方案的预紧力分散度进行试验验证。结果表明：采用正反顺序2轮加载后的螺栓预紧力分散度最小,在3层止口机匣安装边上采用正反顺序2轮加载方案后的螺栓预紧力分散度较小,在有限元仿真中螺栓预紧力分散度为2.43%,在试验中螺栓预紧力分散度为4.98%。采用此方案加载后,止口机匣安装边能达到更好的密封效果和较好的刚度对称性。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

小卫星侦察星座性能评估研究

针对小卫星侦察星座性能评估问题,从覆盖、成本和弹性三方面对小卫星侦察星座的性能指标进行研究,分别构建了考虑存储容量约束的覆盖能力评估模型、成本估计模型以及弹性能力评估模型。在覆盖能力评估模型中,将卫星存储容量作为约束条件,结合卫星覆盖几何模型分析了卫星对地侦察的工作条件,提出考虑存储容量的覆盖指标计算方法;通过小卫星成本模型(small satellite cost model,SSCM)对星座各分系统的成本进行估计;在弹性评估模型中,提出了星座性能损失率指标,并根据星座失效状态概率函数确定了不同失效状态下星座性能损失率的权重。将上述模型应用于SkySat和吉林一号星座的性能评估过程中,结果表明SkySat比吉林一号覆盖能力强、成本低,弹性差。提出的三个模型可用于评价星座优劣,为小卫星侦察星座的建设和性能评估工作提供参考。     

考虑舵机时滞的阵风减缓主动控制律设计

针对存在舵机时滞环节的气动伺服弹性系统,提出基于Padé近似和线性二次高斯（LQG）控制的阵风减缓主动控制律设计方法。利用Padé近似将舵机中的时滞环节线性化为一个高阶传递函数并引入气动弹性模型,建立线性的阵风减缓受控模型;利用LQG控制方法对线性化模型设计阵风减缓主动控制系统,并采用平衡截断法对所设计的控制系统进行降阶;利用Simulink将所设计的控制系统引入非线性模型中,得到von Karman连续阵风激励情况下系统的开/闭环响应情况。计算结果表明:根据所提方法设计的阵风减缓主动控制律能有效降低原气动伺服弹性系统的阵风响应,对研究对象机身过载的抑制在15%左右,而对翼根弯矩的抑制达到25%以上。      

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。