导弹智能化对惯性技术发展需求

未来战争是智能化的战争,未来导弹的发展必然呈现智能化趋势。针对导弹智能化需要具备的智能感知、智能决策、智能控制、智能协同和智能突防等五方面特征,分析了惯性技术的作用和发展需求,颠覆性创新技术的不断涌现,也推动了新原理、新材料、新技术在惯性技术领域的应用。本文提出了需要突破的关键技术,包括惯导系统大数据应用技术、惯导系统容错及系统重构技术、智能协同导航系统的时空基准统一技术、以惯性系统为基础的信息集成技术等关键技术,并对适应未来网络协同作战的智能导弹导航控制需求提出了对策建议。     

高超声速飞行器自适应神经网络容错控制

针对高超声速飞行器巡航段执行器控制效益损失故障和卡死故障问题,基于高超声速飞行器纵向运动模型,将自适应算法与改进的径向基函数神经网络(RBFNN)方法相结合,设计了一种自适应神经网络容错控制器。所提出的容错控制方法具有无需估计执行器故障值的优点,且设计的控制算法结构简单,无需大量实时计算,可以快速处理故障的发生,确保系统在参数不确定、恒定或时变执行器故障与卡死故障情况下仍具有稳定跟踪能力。最后,仿真验证了该方法的有效性。     

故障检测与分离的广义一致性算子法

本文提出了故障检测与分离的广义一致性算子法的一般形式。得出了两个故障可分离的充要条件和多个故障可分离的充要条件。最后给出了检测和分离故障的过程。     

如何防止机组在进离场过程中飞错高度

进离场过程是飞行事故的多发阶段，因飞错高度而造成的飞行事故征候也时有发生。本根据多年的工作经验，总结出一些防止飞错高度的具体措施，对保证飞行安全很有意义。     

CFM56—3发动机引气系统低压的故障分析

发动机引气系统是保证飞机空调、增压、大翼防冰、液压等系统安全可靠工作的前提。引气系统低压是发动机引气系统的常见故障，但在有些情况下，按照常规的排故方法并不能找出低压故障的原因。根据引气系统原理图进行故障分析，可以缩小故障范围，分析故障原因，是解决引气系统疑难故障最有效的方法。     

基于Riccati方程的离散容错控制系统设计

基于离散系统的Ｒｉｃｃａｔｉ方程，提出一种对传感器失效具有完整性的离散控制系统的设计方法，给出了完整性设计方法的设计步骤，并用设计实例验证了该方法的有效性．该方法还可推广用于执行器失效的情况．     

氢涡轮泵转子不稳定因素分析

通过实例说明，液氢低温下钢和铝材料收缩量不同所引起的转子松动可能是氢涡轮泵次同步进动的主要原因。     

新三态故障分类模型及其阈值确定

将设备运行状态划分为三种状态,比以往的两态模型对于设备的故障分类具有更高的准确性.在设备运行状态三态划分的基础上,提出了新的三态模型,将设备运行状态定义为故障态、准故障态、健康态三种状态,其中准故障态包括间歇性故障和瞬态故障.对新三态模型与两态马尔可夫模型进行了分析比较.论文提出影响故障阈值设定的多方面因素,对新三态模型的高、低阈值进行了定义和分析,给出了求取阈值的目标函数.利用新三态的双阈值目标函数,进行了仿真计算分析,得到了传统的两态模型所达不到的总故障高检出率和低虚警率,取得了满意的结果.     

解决因前起落架故障而无法正常着陆的初步方案

针对飞机前起落架故障而无法正常降落的问题,提出了一套利用起落架车解决该问题的方案。首先介绍了起落架车的基本组成部分及各部分性能要求,分析了起落架车的工作机理,再简述了起落架车的遥控转向系统的基本结构和工作原理,然后提出运用双通道基于知识的专家控制系统解决了飞机与起落架车结合前和结合后的速度匹配问题。该方案可为起落架车的具体设计和实施提供参考。     

深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。