融合注意力机制的航天器重建信号异常检测

针对航天器遥测数据异常检测时先验知识缺失、难以进行有监督条件下机器学习的问题,提出一种融合注意力机制的航天器信号智能异常检测算法。首先,通过注意力机制捕捉航天器遥测数据长距离特征,分析注意力关系矩阵为异常溯源提供指导。其次,采用堆叠自动编码器压缩数据维度并基于此重建输入信号,利用输入信号与重建信号间的残差获取误差重构序列。然后,基于窗口阈值法标记误差重构序列异常索引,实现航天器遥测信号异常检测。最后,通过多通道航天器遥测信号算例验证算法在提高航天器遥测信号异常检测性能与可解释能力的有效性。     

基于循环神经网络的惯导重标期预测

现阶段,由于惯导标定技术研究主要集中在误差参数估计方法、惯导标定精度分析方面,较少涉猎惯导的标定周期,导致业内简单地将惯导的标定可靠性作为重新标定的周期.本文以循环神经网络技术为基础,对惯导关键数据进行分析,预测激光捷联惯导重标需求的方法.通过对多台惯导历史数据的回归验证发现,通过使用基于循环神经网络技术等人工智能手段...     

CL-20/HMX共晶及其混合炸药机械感度和能量性能研究

CL-20与HMX形成共晶,在能量损失相对较小的前提下有利于降低CL-20的感度,是目前CL-20基共晶材料研究的热点之一。为了促进CL-20/HMX共晶在混合炸药中的应用,采用水悬浮法分别制备了含HMX、CL-20、CL-20/HMX共晶的混合炸药,测试了不同炸药配方的机械感度、密度和爆速。以炸药配方的爆速测试结果为基础,对Kamlet公式进行修正,通过修正Kamlet公式及Urizar公式分别计算了HMX、CL-20、CL-20/HMX共晶的标准生成焓和特征爆速。结果表明,三种混合炸药中,含CL-20/HMX共晶的混合炸药机械感度低于40%,爆速大于8800 m/s,综合性能最好;三种单质炸药中,CL-20/HMX共晶的标准生成焓和特征爆速计算值较大,分别为851 kJ/mol、9335 m/s。     

基于POD和ARMA的阵风响应预测降阶模型研究

针对阵风响应流场高效精确分析需求,基于非定常CFD数值模拟发展了一种快速流场预测的降阶模型。采用本征正交分解(POD)方法对高斯阵风激励的CFD非定常流场快照进行特征分析、并基于能量占比准则截取主要基模态来降维,采用自回归滑动平均(ARMA)方法建立各主要基模态系数的线性预测模型。采用NACA0012和DLR-F12的分析算例进行了验证,与CFD非定常计算结果对比分析表明,模型具有可靠的计算精度,适合于精确高效快速分析阵风响应,为阵风减缓设计提供技术支撑。     

基于EEMD和BiLSTM的航班准点率预测研究

航班准点率问题是民航业最为关心的问题之一,准确地预测出航班的准点率能够有效降低航班延误所带来的不利影响、提高乘客满意度。为解决普通深度学习预测模型存在的航班准点率数据挖掘程度不足、预测准确度较低的问题,提出一种基于集合经验模态分解法(EEMD)和双向长短时记忆神经网络(BiLSTM)的机场短期航班准点率预测模型。模型使用EEMD算法将准点率时间序列进行分解,采用BiLSTM结构作为预测模型,使模型能够更深层、高效地处理航班准点率数据,提高预测准确度。实验数据为2018年上海虹桥机场航班准点率及天气数据,实验建立了多个参照模型与所提模型进行对比分析。结果表明：提出的EEMD-BiLSTM模型相较于一般模型预测误差更小,准确度更高。     

基于数字地形的机场终端区离场航迹预测

高效准确的航迹预测能够掌握飞机的运行轨迹,是空管自动化与智能化领域的关键要素,旨在提高空中交通的运行能力和可预测性。针对高原机场终端区内离场航空器运行,通过挖掘大量历史数据的特征关系,提出基于长短时记忆(Long Short-Term Memory, LSTM)神经网络的航迹预测模型。此外,考虑高原机场复杂的地形环境使得离场航空器安全运行条件更为严苛,引入支持向量回归(Support Vector Regression, SVR)算法建立数字地形模型,得到离场航迹上经纬度所对应地形高度的剖面图。采用拉萨贡嘎国际机场的真实离场航迹与地形数据进行实例验证,结合地形条件对所预测离场航迹的安全性进行评估。实验结果表明：基于LSTM神经网络建立的离场航迹预测模型具有较高的精度,且离场航空器能够实现满足最小超障余度的安全运行。     

多级次改性SiO2/PU超疏水涂层的制备及应用

为了消除航空飞行器表面、电力传输电缆、风力涡轮机叶片等因低温结冰而带来的不利影响,同时为了增强航空飞行器表面吸波涂层的自清洁能力,将经过硅烷偶联剂改性的纳米二氧化硅(n-SiO₂)和微米二氧化硅(m-SiO₂)填料按照质量比6∶1共混后与聚氨酯(PU)基体复合制得多级次改性SiO₂/PU超疏水涂层。研究表明,m-SiO₂在PU基体中较好的分散状态提升了涂层的稳定性,有效消除了因n-SiO₂团聚而出现的涂层开裂现象。n-SiO₂和m-SiO₂填料在涂层的表面共同构筑起致密的多级次微凸起疏水结构,可以截留更多的空气来增大水滴的气–液接触面积。多级次改性SiO₂/PU超疏水涂层的水接触角可达158.56°±1.08°,并且具有良好的自清洁能力和耐磨性。此外,多级次改性SiO₂/PU超疏水涂层优秀的透波性能使其不会对吸波涂层的性能产生不利影响,表明制备的多级次改性SiO₂/PU...     

分区自加热复合材料模具设计与应用

直接使用复合材料制成的模具可大幅度减少模具–构件热膨胀系数不匹配导致的构件固化变形。复合材料模具自加热技术是实现构件高质、高效固化的重要发展方向,然而现有模具自加热方法难以避免地引入大量加热元件和线缆,在反复热循环后易导致模具结构失效,寿命缩短。针对上述问题,提出了一种基于电各向异性层合结构的复合材料模具分区自加热技术,通过向碳纤维层合板层间插入电导率调制层形成单向导电的碳纤维层合结构,直接对其局部通电形成若干可独立控温的条带状加热区域,最终在不引入任何加热元件、线缆的前提下,实现模具温度场的分区控制。相较传统自加热模具,分区自加热复合材料模具面内温度均匀性提高了92.1%,固化C型构件的回弹变形量减小了27.0%。分区自加热复合材料模具在满足与构件的热膨胀系数匹配的同时,实现了温度场的分区控制,为构件的高质高效固化提供了新思路。     

B4C改性SiC/SiC复合材料自愈合机理研究

采用预浸料–熔渗工艺制备了B₄C改性SiC/SiC复合材料(SiC/SiC–B₄C复合材料),研究了SiC–B₄C改性基体在700℃、1000℃、1200℃、1350℃下氧化50 h的本征氧化行为及自愈合规律,有效观察到了基体的自愈合行为,同时考察了SiC/SiC–B₄C复合材料的抗氧化性能,通过材料重量变化和强度保持率衡量其在氧化环境中的损伤程度,揭示了氧化行为。研究结果表明,氧化初期B₄C开始发生氧化反应,此时的液态自愈合相主要成分为B₂O₃。随着温度的升高,氧化生成的SiO₂将与B₂O₃结合生成硅硼玻璃相,当温度进一步升高至1350℃时,由于硅硼玻璃分解加剧,导致自愈合效果减弱。此外,高温导致的硅硼玻璃黏度下降也将有利于氧化介质扩散。SiC/SiC–B₄C复合材料在1200℃氧化50 h后仍保持较好的力学性能,说明B₄C...     

基于深度学习的自冲铆接偏铆缺陷检测算法研究

自冲铆接技术适合铝钢等异种材料连接,接头性能可靠,在航空工业中有着广阔的应用场景,但目前针对自冲铆接缺陷无损检测的相关研究较少。提出了基于深度学习的自冲铆接偏铆缺陷检测算法,首先通过剪切力学性能试验得出偏铆自冲铆接件相较于正常铆接件力学性能下降了5.6%;然后通过自冲铆接偏铆件外部形貌特征将偏铆程度由外部特征定义在0～10的区间;最后探究了单步检测同双步检测间的检测效果差异,提出了YOLOv5s(You Only Look Once v5s)加ResNet18的检测方案,并通过Grad-CAM(Gradient-Weighted Class Activation Mapping)对不同检测方案的效果差异进行了可视化的解释。测试表明,提出的YOLOv5s加ResNet18的检测方案在所采集的数据测试集中可以达到100%正确率,高于仅用YOLOv5s取得的95.18%正确率,远高于仅用ResNet18取得的84.1%正确率。