基于聚类与粒子群极限学习机的航空发动机推力估计器设计

针对航空发动机推力不可测,部件级模型求解推力精度不高、实时性差的问题,提出了基于快速寻找密度极点聚类与粒子群极限学习机的航空发动机推力估计方法。首先利用基于快速寻找密度极点的聚类算法对全工况范围内的台架试车数据聚类,然后在每一个子类中,用粒子群极限学习机设计了子推力估计器。在子类推力估计过程中,为使网络拓扑结构最优,用粒子群算法寻找极限学习机的最优隐层神经元数目的方法。训练与测试表明,推力估计测试相对误差最大值为3.06‰,优于传统的RBF(7.25‰)与BP(14.84‰)神经网络方法,能够满足直接推力控制与机载在线实时状态评估的需求,且可将方法扩展到其他不可测参数的估计。     

浅析空中服务员直接观察客舱适航标准

运输类飞机针对空中服务员直接观察有相关的适航标准,本文介绍了运输类飞机在客舱区域改装设计时,对空中服务员直接观察适航标准的选择以及符合性方法的制定。     

运输类飞机的机身抗烧穿性适航要求解析

运输类飞机可生存坠撞后的火灾是客舱安全范畴内的重要问题之一.提高机身抗烧穿性,即推迟火焰进入客舱的时间,可为乘员应急撤离提供时间保证.介绍了运输类飞机坠撞后的池火火焰特征,包括最高温度、热流密度等特征的范围及其影响因素,重点论述了机身结构烧穿过程,剖析了适航规章中的抗烧穿符合性判据,梳理了抗烧穿性试验方法的发展过程,最后对我国未来运输类飞机机身抗烧穿研究的发展进行了展望.     

虚拟仪器在肼类推进剂监测中的应用研究

基于对肼类推进剂监测方法和存在问题的探讨,提出了用虚拟仪器技术解决肼类推进剂监测过程中存在的问题,并介绍了虚拟仪器的概念、结构和特点。虚拟仪器在肼类推进剂监测中具有广泛的应用前景。     

尖兵之翼——2008中国无人机大会

中国航空学会于2006年9月在北京举办的“尖兵之翼-2006中国无人机大会”。取得了良好的效果,受到有关部门、单位和专家的好评。为促进我国无人机技术交流、推动无人机产业发展,中国航空学会、西北工业大学、中国航空工业第一集团公司、中国航空工业第二集团公司、北京航空航天大学、南京航空航天大学将于2008年6月在北京联合主办“尖兵之翼-2008中国无人机大会”。     

面向功放-整流一体化设计的逆F类功率放大器

针对微波无线功率传输对于高功率处理能力的高效整流器需求,提出一种基于高效率功率放大器的功放-整流一体化设计思路。文章首先使用型号为CG2H40010F的氮化镓高电子迁移率晶体管(GaN HEMT),通过谐波控制、负载牵引等方法,设计出一款工作在2.45GHz逆F类高效率功率放大器。在高效率功率放大器的基础上基于时间反转对偶理论,通过改变逆F类功率放大器电流方向,同时结合耦合器和移相器实现了高功率容量整流电路的设计。仿真结果表明,在245GHz工作频率下,功率放大器的输入功率为28dBm时,功率附加效率达到76%,输出功率40dBm;整流电路的输入功率为41dBm时,RF-DC转换效率可达到79%,整流最佳效率大于80%,显示了整流器的高功率处理能力。引入了两个单刀双掷开关实现功率放大器和整流器的功能切换,文章对核心电路功率放大器进行了实物测试,测试结果与仿真重合较好,验证了功放-整流一体化设计的可行性。     

美军四代机第二动力系统技术分析与发展趋势

介绍了飞机第二动力系统的组成、工作原理.梳理了第二动力系统中APU和EPU由原来的分开布置、各司其职的构型和使用模式,发展到F-22战斗机第二动力系统物理组合、分时工作,以及F-35战斗机第二动力系统功能综合、持续运行的动力与热管理构型和使用模式的技术特点.总结提炼出第二动力系统在飞机需求的牵引和先进技术的支撑下,围绕...     

6°攻角尖锥高超声速边界层高频不稳定波实验研究

边界层转捩对高超声速飞行器的气动力和气动热设计有重要影响.横流失稳通常是三维边界层转捩的主导因素,而在噪声环境下,第二模态不稳定波的影响也不容忽视.为深入理解带攻角情况下高超声速边界层的转捩机理,在Mach 6 Ludwieg管风洞中采用聚焦激光差分干涉仪(Focused Laser Differential Inte...     

基于规范割的空间金字塔图像分类算法

对大型图像数据库进行图像分类是很困难的,空间金字塔算法针对这种问题提出,并能得到很好的分类精度,但有几点不足.针对这些不足,提出基于规范割的空间金字塔算法:使用规范割算法对特征词进行更准确的聚类;对每类训练图像计算子特征库,利用二次聚类生成总特征库,在特征字典中保留更多的稀疏类型图像特征词;用高斯模型量化未知特征生成特征直方图,并对直方图进行尺度重整,提高类间距.实验证明提出算法比原方法分类精度最多能提高4.6%.     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.