基于融合信息(火用)的转子振动故障SVM诊断方法

通过提取信息(火用)特征,提出基于融合信息(火用)的转子振动故障支持向量机（SVM）诊断方法.首先,在转子试验台上分别模拟转子不平衡、轴系不对中、转子裂纹和转子碰磨4种典型故障,采集这4种典型故障在多转速和多测点下的振动加速度信号;其次,提取基于时域的奇异谱熵和频域的功率谱熵的转子振动故障过程变化规律的信息(火用)特征;最后,将提取到的信息(火用)特征作为故障向量,建立SVM故障诊断模型,进而对转子振动故障进行诊断.实例诊断结果表明：将信息(火用)特征与支持向量机相结合进行转子振动故障诊断,诊断结果准确率达到了97%,有效地提高了故障诊断的准确率.     

基于CAN总线的航天员医学信息管理网络设计

分析航天员医学信息网络外部设备的数据产生和传输的特点,利用CAN总线实现简便、数据传输可靠的优点,建立了基于CAN总线的航天员医学信息管理网络,设计了专门的网络传输协议,并解决了网络实际应用中外部设备即插即用对网络的影响,圆满完成了系统数据传输任务。     

基于多源诊断信息融合的发动机气路分析

针对气路可测信息的有限性及不确定性易导致航空发动机气路分析结果准确度和精度不高的问题,提出了一种基于贝叶斯网络的多源诊断信息融合机制,以提高气路部件故障诊断的准确度和精确度.介绍了基于贝叶斯网络的气路分析方法,在此基础上提出了改进的用于多源诊断信息融合的气路分析贝叶斯网络,即以常规的气路可测参数为主,而其他诊断信息则借助故障模式先验概率表引进贝叶斯网络,实现多源信息的融合.仿真实验表明:通过融合多源信息能够准确地诊断出传统的气路分析难以识别的故障,同时降低了健康参数估计值的方差,提高了诊断结果的精确度;在观测噪声放大一倍、健康参数变化量小于1%的情况下,通过融合多源信息仍能准确的估计出健康参数变化量,且标准差均于0.1%.      

基于环型知识地图的网络信息资源导航

针对网络信息空间所处的混沌状态,结合知识地图的基本思想,提出一个基于环型知识地图的网络信息资源导航技术框架,并设计和实现了项目合作网络信息导航实验系统.该系统遵循了知识地图的构建原则,可以提供清晰的知识关联和有效的知识链接服务,充分体现了环型知识地图应用于网络信息资源导航中的巨大优势.     

基于飞行测试信息修正的可靠性增长试验研究

针对航天产品研制初期的可靠性增长试验条件与实际飞行环境存在差异的情况,提出了基于飞行测试信息对试验条件的修正方法,并进一步对可靠性增长试验方法进行研究,确立了可靠性增长试验的综合环境任务剖面.最后,以载人运载火箭为背景对研究内容进行了工程实践,结果表明了可靠性增长试验再设计、再验证的有效性.     

航空机电系统综合化技术展望

航空机电综合系统是指将提供二次能源的环境控制、第二动力、液压、电源、燃油等机电子系统进行物理、功能综合,形成一个综合化系统,完成二次能源获取、传输与使用的飞行保障功能。机电综合系统主要包括动力与热管理系统（PTMS）、电作动系统（EAS）、     

三维CAPP工艺信息表达与集成技术研究

针对三维CAPP工艺信息的表达与集成技术现状,提出了一种面向工艺过程、基于产品三维模型的机加工艺信息表达与集成方案,采用工艺结构树表述机加工艺对象,在三维环境下表达和集成工艺信息,并通过原型系统验证了方法的有效性和实用性。     

基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

飞行器末制导中的几个热点问题与挑战

随着国防科学技术的进步,新的作战需求以及各种新技术的应用给飞行器的末制导控制带来了新的问题和挑战。分析了当前的末制导作战需求和挑战,着重讨论了飞行器末制导控制研究中几个热点问题的研究进展,包括多源信息条件下的制导控制、多飞行器协同制导控制、特殊限制条件下的制导控制以及制导控制综合设计与评估问题,并且探讨了存在的问题、可能的方向和展望。     

航空发动机气路部件故障融合诊断方法研究

针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。