ML—2 900吨蒙皮拉形机的改造

介绍了大型航空专用设备ＭＬ－２ ９００ｔ蒙皮拉形机改造基本做法及其所取得的成效。阐述了采用先进技术改造老设备，对加速企业技术改造，促进企业技术进步，具有重要意义和作用。     

日小型有翼天地往返机研究动向

日本为配合地面与空间站间输送物资,正加紧研制一种小型无人有翼的天地往返机“HOPE”。本文对HOPE的方案与系统要求、飞行程序、系统组成等进行了探讨。     

提高航天员工作效率的几项措施

提高航天员工作效率的几项措施沈羡云随着航天事业的迅速发展，尤其是星际探险任务的到来，人停留在太空中的时间越来越长，失重、辐射、心理等因素对人体健康和工作能力的影响也越来越大，复杂、多样的航天任务对航天员工作能力的要求越来越高，如何确保航天员在飞行中的...     

基于VMD-LSSVM的扇区流量短期预测

对扇区流量进行短期预测,是精准实施扇区流量优化和管理措施的前提。基于分解集成预测方法论,建立了变分模态分解-最小二乘支持向量机（Vibrational mode decomposition-least square support vector machines,VMD-LSSVM）预测模型。首先,应用变分模态分解（Vibrational mode decomposition,VMD）方法将扇区流量时序数据分解为若干个模态;然后,使用最小二乘支持向量机（Least square support vector machines,LSSVM）模型分别对模态进行预测;接着,对模态的预测结果进行加和集成,得到了最终的预测值。算例计算结果显示,针对60 min统计尺度流量时间序列,VMD-LSSVM模型在1～6 h的均等系数（Equal coefficient, EC）值为0.97,在7～12 h的EC值为0.94;与差分自回归滑动平均模型（Autoregressive integrated moving average model,ARIMA）,反向传播（Back propagation,BP...     

找点训练软件中的坐标变换研究

在实际应用中,雷达通过方位角和距离来表示目标所在位置,该位置信息的计算是以雷达为中心原点。在找点训练软件中模拟雷达表示目标位置时,默认坐标原点是计算机屏幕的左上角,需要进行坐标原点的变换,并且在实现局部放大功能时,坐标原点还会发生变化,坐标点也要随之进行转换。旨在研究当坐标原点和坐标系发生变化时,借助三角函数和反三角函数、距离公式,实现雷达目标位置与鼠标找点坐标之间对应变换的一种解决方案。     

基于BP神经网络的试飞训练安全性量化模型

为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于BP神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目及环境三部分重要因素,建立试验飞行训练过程中的安全性分级量化分析指标体系。经人因工程指标量化处理后,由于融合的数据类型相似度较低,因此采用BP神经网络构建试验飞行训练安全性分级量化分析模型,经模型训练、测试后,输出试验飞行训练的安全性分级量化等级。利用定制的接触式采集设备和非接触式面部识别系统,采集试飞员执行试飞科目训练时身体节律数据,分析训练过程中科目复杂度和难度对试飞员心理特征和生理特征的影响,从而建立量化指标和预警指标,以此优化试验飞行训练课程、提高训练品质,保障试飞安全。试验表明,该模型所得试验飞行训练过程中的安全性分级量化模型输出偏差小于2%,模型预测结果与训练过程中实际风险等级基本吻合,可有效地用于试飞训练过程中风险预警,提高试飞员训练品质,为实际试飞安全提供保障。     

基于NGO-VMD和DBO-SVM的滚动轴承早期故障诊断

针对滚动轴承早期故障阶段信号微弱难以提取和识别的问题,提出利用北方苍鹰算法优化变分模态分解参数,并结合蜣螂优化算法优化支持向量机的方法进行故障提取和分类识别。首先,采用北方苍鹰算法对变分模态的最佳参数进行搜索,将信号用变分模态分解为若干个本征模态函数;然后利用峭度选取最优本征模态函数;最后将其输入蜣螂优化算法-支持向量机诊断模型中进行故障分类识别。实验结果表明,北方苍鹰算法-变分模态分解方法在迭代次数和收敛精度上均有一定的优势,采用峭度选择最优本征模态函数,包络解调分析后提取早期微弱故障信号故障特征的能力最佳;蜣螂优化算法-支持向量机诊断模型能在故障信号微弱背景下,使故障诊断分类识别率有一定的提高。该方法具有较好的故障特征提取和分类识别能力,为滚动轴承早期故障诊断提供技术支持。     

飞机维修与模拟训练试析

分析飞机维修模拟训练的意义,阐述飞机维修模拟训练方式和技术,并对今后的发展趋势进行了展望。     

基于双近邻模式和最小二乘支持向量机的SAR景象匹配区选择

通过对景象匹配过程的分析,从模式识别的角度阐述了误匹配产生的原因.从避免误匹配的角度定义了双近邻度、最小距离以反映sAR景象的独特性和匹配的准确性,并结合反映地面景物稳定性的边缘密度,构建反映SAR景象适配性的分类特征向量.基于该分类特征向量,利用最小二乘支持向量机将SAR景象基准图子图划分为匹配正确的子图和匹配错误的子图,并由匹配正确的子图类构成sAR景象适配区.试验结果表明,提出的方法能够有效地规划出所需的SAR景象匹配区.