基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

民机制造环节的重量控制和减重措施研究

重量控制贯穿民用飞机从设计、制造到运营的全生命周期。尽管飞机重量的决定性因素主要在设计环节,但从国内外飞机制造商的经验来看,在飞机量产阶段仍有优化的余地。对国内外飞机制造商在飞机制造环节的减重经验进行总结,并重点阐述波音公司在制造过程中的重量预警项目（Manufacturing Weight Awareness Process,简称MWAP）,以期有所启发。     

翼吊发动机安装结构等效建模及其隔振设计

为了研究翼吊发动机安装结构隔振特性并优化其隔振器设计,建立了发动机安装节-吊架-机翼结构理论分析及有限元模型.利用有限元方法进行了模态验证并分析了安装结构的隔振特性.进行发动机3种典型工况下的结构动响应分析确定了振动传递的主路径.基于振动传递路径法研究了隔振器参数和安装位置对安装系统隔振性能的影响规律.结果表明:振动载荷经安装结构后低压转子转频和高压转子转频峰值响应分别降低22.03%和14.65%.低压转子转频振动传递主路径为发动机-前安装节-吊架-机翼,高压转子转频为发动机-后安装节-上连杆-机翼.通过合理设置隔振器位置可以使安装系统隔振率达到50.41%,隔振器的频率比为5和阻尼比为0.25时安装系统隔振率可达70.67%.为了优化整个发动机安装系统的隔振效果,设计隔振器时必须选取合适的安装位置和参数.      

扑翼飞行器非定常气动特性研究

为了研究复杂的非定常运动状态下扑翼飞行器翅翼的气动特性,针对自行研制的一种仿鸟扑翼飞行器建立了翅翼二维非定常空气动力学模型.基于该模型,通过用MATLAB编制计算升力系数和推力系数的程序,计算并分析了各运动参数对升力和推力特性的影响.结果表明,相位差对推力系数的影响较大,而升力系数随迎角的变化较快.     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

微型凸起物高超声速气动热特性研究

利用N-S数值解方法对高超声速气流中微型凸起物的气动热环境进行了计算研究,并对前斜坡峰值压力和热流跃升进行了分析,结果表明对于高雷诺数流动,由于其边界层很薄,气流对凸起物的冲击作用比低雷诺数流动大很多,给凸起物前缘和上表面带来较严重的气动热问题。研究还表明利用斜面侧扩张角可以降低凸起物后斜坡的气动热环境。最后对球锥与平板物型的差异给微型凸起物热环境特性带来的影响进行了研究,结果表明在本文计算状态下,风洞平板实验模型得到的凸起物前缘峰值压力和热流跃升比实际球锥外形要高,因此地面实验结果外推到天上实际情况还是比较保守的。     

基于TOPSIS融合法的航路网关键节点识别及抗毁性研究

基于我国航路网数据对航路网关键节点识别及抗毁性进行了研究。首先,通过TOPSIS方法将局部信息(度)、全局信息(改航可达性)和业务量信息(流量强度)3项指标进行融合,形成多属性指标综合表征节点重要性。然后,开展了实例仿真,对网络进行连续打击以验证识别结果,其中延续使用改航可达性这一新算法来表征全局信息。研究结果表明：基于多属性决策的关键节点主要集中在京沪、京广、京昆、沪广、广贵线上;多属性指标相比于单一指标,在少数节点失效时更能高效地摧毁网络。研究结果可为空管流量管理和航空公司运力调配提供决策支持。     

文本信息辅助图像差异描述生成

图像描述生成任务要求机器自动生成自然语言文本来描述图像所呈现的语义内容,从而将视觉信息转化为文本描述,便于对图像进行管理、检索、分类等工作。图像差异描述生成是图像描述生成任务的延伸,其难点在于如何确定2张图像之间的视觉语义差别,并将视觉差异信息转换成对应的文本描述。基于此,提出了一种引入文本信息辅助训练的模型框架TA-IDC。采取多任务学习的方法,在传统的编码器-解码器结构上增加文本编码器,在训练阶段通过文本辅助解码和混合解码2种方法引入文本信息,建模视觉和文本2个模态间的语义关联,以获得高质量的图像差别描述。实验证明,TA-IDC模型在3个图像差异描述数据集上的主要指标分别超越已有模型最佳结果12%、2%和3%。     

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器,将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法,利用这种神经网络来确定指标的权值。仿真试验结果表明,基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法,具有很好的目标识别效果。