基于LC理论和概率神经网络的损伤识别

本文提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,选取FS-TARMA(函数基时变自回归移动平均)时间序列模型应用于一种随机振动信号中,这种振动信号在时变系统中用来估计TAR/TMA参数和创新方差。基于一种特征值分解技术,被估计的TAR/TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs(潜在成分)。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。将这种新方法用于三自由度时变系统中进行评估,根据质量和弹簧刚度的降低来模拟不同级别的损伤。这种方法能够找出系统参数的时变性质和质量及刚度变化引起的损伤级别。结果表明:使用这种方法,与其他的非降维和普通的特征提取方法相比,识别的成功率有相当大的提高。     

谈发动机状态监控的利用

AnApplicationoftheEngineConditionMonitering现代民用航空发动机的状态监控,一般包括对发动机机械参数和性能变化监控两方面。对机械参数的监控包括：（1）对发动机转子振动的监控,振动水平反映了发动机转子的平衡情况以及轴承的状态（2）对滑油消耗量和磁性同的监控。对发动机性能变化的监控,则是通过对发动机主要参数如：转子转速、发动机排气温度、燃油流量等的监控,来反映发动机性能衰退情况、发动机有无故障和部件有无损伤。目前发动机厂家都为其生产的发动机编制了相应的计算机软件,并提供给用户,以实现对发动机的状态监控…     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。     

航空管制物质的分类识别方法探讨

由于缺乏标准的分类和识别方法,航空管制物质易被当作普通货物进入航空运输环节,给航空运输带来安全隐患.通过分析航空管制物质的定义,确定影响此类物质分类的危害性,包括麻醉性、催泪性质、恶臭性质、急性毒性(经口、经皮肤、吸入)、严重眼损伤或眼刺激、呼吸或皮肤敏化作用、特定目标器官毒性、吸入危害性等;在全球化学品统一分类和标签制度中健康危害分类评估指导原则的基础上,建立统一的航空管制物质的分层式分类程序,并给出识别方法和标准、数据来源及其处理方式;归纳总结航空管制物质的种类,并以两个恶臭物质为例讨论分类识别过程.结果表明:本文提出的航空管制物质的分类程序和识别方法能够很好地指导航空管制物质的分类识别工作,对保障航空运输安全和防恐工作具有重要意义.     

基于动态贝叶斯的反舰导弹弹型识别

使用反舰导弹对舰艇进行饱和攻击是当前对舰攻击的主要方式。首先,提出了动态贝叶斯网络(DBN)的理论及算法;其次,根据反舰导弹的高度、速度、过载、机动方式等弹道特性和RCS、雷达频率等导弹自身特性,建立了对反舰导弹进行弹型识别的DBN模型;最后,通过仿真算例验证了DBN模型的有效性,这为实际解决反舰导弹进行弹型识别的问题,提供了一种思路。     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

一种超声速状态下机载推进系统模型的建模方法

为了满足机载航空推进系统模型对精度、实时性及数据存储量的苛刻要求,提出了一种机载模型建模方法.对传统的机载稳态模型建立过程中使用的相似准则进行了充分讨论,得出了一种具备更高建模精度的相似准则.在新的相似准则基础上,建立了包含泰勒展开式中非线性2阶项的高精度稳态变量模型,有效解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题;为了解决超声速状态下安装推力与发动机净推力差别较大的问题,建立了考虑外流特性的简化进气道模型,给出了一种计算安装推力的方法,即由简化发动机模型计算安装推力中符合相似准则的部分,由进气道模型计算溢流阻力、放气阻力及发动机推力中不符合相似准则的部分.仿真结果表明:基于新的相似准则所建立的机载模型具有大包线、变状态适应性,输出参数误差均在0.5%以内.      

非对称结构损伤飞机鲁棒容损控制器设计

当飞机发生非对称结构损伤时,飞机的质量、重心位置和气动特性都会发生突变,飞机机体的对称性遭到破坏,致使飞机的横纵向间运动产生强烈的耦合。针对飞机发生非对称结构损伤时导致的飞行控制问题,建立了非对称结构损伤飞机的损伤模型,并基于一种新型鲁棒容损控制策略,采用非线性扩张状态观测器和非线性动态逆相结合的方法,对飞机的姿态控制器进行了设计,兼顾了飞机系统的性能和对损伤的鲁棒性。最后,基于NASA的通用运输机模型,对所设计控制器的控制效果进行了仿真验证。仿真结果表明,设计的姿态控制器有效地抑制了非对称结构损伤给飞机控制系统带来的不确定性和扰动,具有较好的控制性能。     

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。