基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

飞行数据相容性检验方法

飞行试验测量数据中存在过程噪声和测量噪声,导致飞行数据之间不相容,国内目前常用的输出误差法不适用于耦合严重的直升机飞行数据相容性检验。采用增广卡尔曼滤波方法进行状态估计,大幅度地消除测量值中的误差;再用输出误差法对增广卡尔曼滤波估计的结果进行相容性检验,并将其应用于直升机四阶纵向等效模型辨识中。结果表明:提出的这种方法既解决了单独使用增广卡尔曼滤波进行数据相容性分析时由于初期收敛过程造成的滤波误差问题,又克服了单独使用输入误差法进行数据相容性时需手动修改时间延迟问题和测量值中误差过大时输出误差法无法收敛问题,使得检验效果与计算效率大幅提升。     

深度自编码观测器飞机操纵面快速故障诊断

为了避免扩展多模型自适应估计故障诊断方法中的雅克比矩阵计算,解决飞机精确模型难以获得的问题,降低在线故障诊断的计算量,提出了一种基于深度自编码观测器的飞机操纵面快速故障诊断方法.基于离线训练、在线估计的思想,采用量测的飞行数据训练得到不同故障下的飞机模型,代替扩展多模型自适应估计方法的卡尔曼滤波器进行状态估计;基于基础自编码器的隐层节点数选取经验公式,推导了两种深度自编码器的隐层节点数选取的递推公式.仿真结果表明,该方法无需精确的飞机模型,故障诊断速度快、精度高.     

基于PID和LESO的无人机控制

针对四旋翼无人机控制模型耦合程度高、非线性关系复杂,设计了一种基于PID和LESO的控制方法,选取无人机的某个状态变量作为控制量,通过简化模型对状态变量进行解耦控制,进而在控制系统中加入线性扩张状态观测器(LESO),提高模型的抗干扰能力。通过仿真和实际飞行与传统PID方法进行比较,充分验证了自抗扰控制(ADRC)在无人机飞行控制中具有鲁棒性强、精度高、易于实现等特点。     

考虑维修力量影响及载荷动态分配的k/n系统模糊可靠性分析

工程实际中,维修活动开展前往往存在一定时长的准备期,且由于环境时变性、系统长期运行后的劣化累积等因素导致部件状态性能水平存在不确定性,使得系统可靠性建模较为困难。对此,运用模糊数表征系统部件的失效转移率、修复转移率及修理工维修准备率的同时,以Power Law规则刻画部件间的故障相关关系,认为部件承担载荷超过某阈值时才会引发故障相关现象,并考虑了修理工数量与故障件数量之间关系对系统可靠性的影响,研究了载荷动态分配条件下带维修准备期的多修理工n中取k模糊多状态系统模型,建立了状态转移微分方程组,提出用逆向逐层分析的思路建立系统稳态概率系数的递推关系,应用α水平截集及Zadeh扩张原理确定了模糊状态概率的截集区间,得到了系统模糊稳态指标,最后通过算例给出了修理工数量及部件参数模糊程度对系统稳态指标的影响,验证了模型的适用性。     

基于马尔科夫链模型的脉动装配线运行状态预测

分析了影响脉动生产线运行的因素和状态预测的必要性,提出了基于马尔科夫链模型的状态预测方法。基于马尔科夫链预测理论,对脉动生产线运行状态划分,确定状态转移矩阵,建立马尔科夫预测模型,并对模型准确性进行验证。     

航天器自主导航状态估计方法研究综述

自主导航是航天器自主运行的核心关键技术。状态估计是实现航天器自主导航的核心手段,是指实时确定航天器在轨位置、速度和姿态等导航参数,是航天器自主导航技术的重点发展方向之一。首先,针对航天器自主导航的实际需求,阐述了研究航天器自主导航状态估计方法的必要性,具体从导航系统可观测性分析、导航滤波算法、导航系统误差补偿3个方面介绍了航天器自主导航状态估计方法的研究现状;然后,分析并总结状态估计方法在航天器自主导航系统中的实际应用;最后,结合理论研究和实际应用,给出了状态估计方法目前存在的主要问题并对其后续发展进行了展望。     

航空电子装备嵌入式软件质量管理研究

嵌入式软件的成败对航空电子装备效能发挥愈发重要.随着航空电子装备技术与能力的不断提升,软件的规模和复杂性也急剧增长.目前大部分航空电子装备能力分阶段迭代生成,软件不断升级已成常态.复杂的装备及其复杂的开发过程给质量管理带来了难度,为提升航空复杂电子装备的软件质量,高效保障装备效能稳定发挥,本文聚焦技术状态管理与测试验证...     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

面向用户的以太网可用性模型

带冲突检测的载波侦听多路访问协议(CSMA/CD)可以有效的解决竞争,提供高的吞吐量和低的延迟时间,并且成为了局域网设计中颇具吸引力的协议.基于计算机以太网CSMA/CD协议,面向用户探讨以太网可用度模型.通过定义工作站"拥塞状态"和"空闲状态",建立基于网络带宽、时隙的可用度模型.以信息成功发送概率作为衡量以太网可用性的指标.根据以太网中工作站的数量、平均字节长度、单机产生数据的速率以及单机数据重传速率对可用性影响的分析表明,随着局域网中接入的工作站的数量的增加在相同的时间内局域网的可用度将降低.随着数据产生率的升高,局域网的可用度将首先升高,当网络达到饱和后再增加数据产生率,局域网的可用度将降低.提高数据的重传率能够提高局域网的可用度.根据以上的分析,通过合理的设置网络参数,可以使局域网达到理想的可用度.