基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达968%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。     

基于振动参数聚类融合的空间轴承故障辨识方法研究#br#

轴承是飞轮和控制力矩陀螺(CMG)等空间惯性执行机构的核心部件,其健康状态直接影响整机性能和使用寿命.当前,由于轻载轴承在正常运转时也可能产生类似于微弱故障特征的现象,导致单一故障特征参数难以辨识正常和微弱故障状态.针对这一问题,本文提出了一种基于振动参数聚类融合的轴承微弱故障辨识方法.首先,通过轴承振动实验获得数据;然后,基于特征频率比值等方法对振动信号进行特征参数的提取;在此基础上,利用K Medoids算法对正常样本进行聚类,并根据3σ法则构建正常运转的安全边界;最后,计算不同轴承故障数据的超限概率,根据概率大小进行故障状态的识别.结果表明,该方法对轴承正常和微弱故障的辨识是可行和有效的.     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

运输类旋翼航空器传动系统耐久性试验方法研究

运输类旋翼航空器传动系统耐久性试验的目的是演示旋翼传动系统在规定的限制内具有正常运行的能力,而无因过度磨损产生故障导致危险或因机械载荷造成性能下降。目前国产大型民用直升机并未严格按照适航规章在国内开展过该试验,而国外对该试验详细细节也存在技术封锁,导致经验较为欠缺。同时,由于各型号发动机性能差异,在验证过程中型号之间也存在不同。因此,对大型民用直升机旋翼传动系统耐久性试验符合性验证方法开展研究显得尤为必要。本文首先对适航要求进行了解析,并分析了军用直升机传动系统耐久性试验要求与适航标准的差异,给出了运输类旋翼航空器传动系统耐久性试验适航符合性验证方法,对其中的关键点提出了验证建议。最后,结合国内外相关型号研制经验,对于与适航规章有差异的部分,从安全性的角度给出了建议的替代方法。本文可为我国大型民用直升机的研制提供借鉴。     

基于系统聚类k次平均算法的航班燃油告警研究

为确保航空公司航班安全正常运行,准确快速提示燃油告警,为航空公司运控人员处置航班提供可靠依据,减少航班运行低油量事件的发生,本文根据公司航班运行的实际燃油数据,采用系统聚类k次平均算法的方法,结合公司运行实际,识别出实际运行中燃油偏差大于额外燃油量以及预计着陆油量小于60min的航班,产生燃油告警,为运控人员及时干预航班,给出航班处置方案。结果表明,及时的航班燃油告警可以大幅降低航班低燃油量事件量和航班备降率。     

飞机框肋类零件外形样板三维快速设计原理及算法

作为近年来飞机型号研制中常用的内外形控制与协调方式,飞机样板因其使用便捷、成本低廉、技术成熟等优势,在当前飞机研制中仍具有不可替代性。在当前智能化技术快速发展的数字化环境下,依赖二维图纸的样板设计技术已明显成为制约飞机研制效率和周期的重要因素,研究和开发以框肋类零件三维几何模型为基础的样板三维设计技术已成为当前航空产业的迫切需要。针对上述问题,对框肋类零件样板的一大分支--外形样板的三维快速设计原理及算法展开研究,提出钣金零件几何属性提取及外形样板三维快速设计算法,主要内容为:提出框肋类零件基础结构特征定义及提取方法,基于提取结果构建零件弯边特征并计算样板设计所需几何属性,提出外形样板轮廓计算及补加添加算法,最终实现零件外形样板三维模型生成。经由实例测试,验证此算法的可行性与有效性。     

基于模糊矩阵和神经网络的航空发动机磨损部位故障识别

滑油中的金属颗粒成分及含量反映了发动机部件磨损程度,利用光谱分析技术监测诊断发动机部件磨损故障。在分析发射光谱原始数据的基础上,提出基于BP神经网络的航空发动机磨损部位识别方法,并通过实例阐述了部位磨损识别的步骤。将待识别样本输入已经训练好的神经网络中,得到低压压气机轴承支座磨损故障模式。待识别样本中含有Fe、Al、Cr、Cu、Mg,与低压压气机轴承支座磨损故障模式存在的元素完全一致。与原始识别方法相比,本文方法得到的故障特征更加明显,所需训练样本更少,识别精度达到96.67%。     

稳态与瞬态冲击射流换热性能实验对比

为了对比研究稳态与瞬态单孔冲击射流的传热性能,采用热色液晶测温技术获取实验件被冲击表面的传热系数分布。实验中改变了冲击雷诺数Re和冲击孔直径比L/d,利用工业相机拍摄实验件凹表面颜色变化过程,计算并对比两种射流条件下局部努塞尔数Nu_D的分布,并与文献值进行比较。研究表明相对于稳态冲击射流,瞬态冲击射流的传热性能更佳。通过记录整个冲击射流过程,得到Nu_D随时间t变化关系。驻点附近NuD随冲击的进行逐渐减小并趋于稳定。随冲击雷诺数Re增大或冲击孔直径比L/d接近6,瞬态冲击射流的强化传热效果逐渐明显,强化效果可达15%以上。     

情景模拟教学法在营销类课程教学中的应用

将情景模拟教学法应用于营销类课程,从学习情景设计、情景模拟任务布置、情景模拟教学活动的引导和情景模拟过程的总结评价四个步骤对情景模拟教学法进行了探讨和实践,证明了情景模拟教学法是目前职业教育条件下强化实践教学环节,低成本培养出复合型、应用型和创新型管理人才的有效途径.     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。