总线通信系统外场检测软件的设计与开发

结合某型飞机总线通信系统的研制实践，介绍了总线通信系统外场检测设备的组成及其与通信系统的交联关系，重点阐述了检测软件的性能设计、数据结构设计、功能模块设计和人机接口设计，以及在软件开发过程中采用的信息采集实时性技术、画面闪烁的解决和建立合理的数据结构等关键技术。     

某型发动机推力室均匀性分析与均流板设计

首先提出并应用了一些针对推力室氧腔几何模型的计算方法,结合通用CFD软件Fluent进行流场计算,并对计算结果进行了分析研究,在分析计算的基础上提出孔板的新设计思想,设计出了新均流孔板,并对氧腔进行了重新建模和流场均匀性计算分析.     

基于大气传输软件激光透过率对比研究

简要地归纳了目前比较通用的大气传输软件LOWTRAN7、MODTRAN和FASCODE的概况和异同,分析了大气透过率的计算和激光武器选用的波长,比较了激光传输衰减和能见度的关系,重点研究对比了用LOWTRAN7和FASCODE计算1．06μm和10．6μm激光的透过率,并得出了结论。     

叶片包容性计算的软件实现

基于英国和俄罗斯叶片包容性设计方法和理论,应用VB语言开发了叶片包容性计算软件。以某型发动机第1级涡轮叶片为例,用该软件计算了叶片包容性和满足包容性条件下的最小机匣厚度。根据实际要求,也可以用该软件确定满足包容性要求的各设计参数     

航空火力控制系统智能自动化检测系统设计

研究了对作战飞机的航空火力控制系统进行智能自动化检测的方法，设计了一种基于虚拟仪器技术的微机数据采集与控制系统，详细介绍了系统的组成，说明了硬件、软件的结构和功能，并讨论了应用超文本技术定义被测设备的数学模型的方法。     

基于模糊Petri网的维修保障活动可视化建模与仿真研究

介绍了模糊Petri网矩阵推理算法,并对模糊Petri网中的元素进行了抽象定义,同时,为了仿真实现矩阵推理算法,定义了用于存储模型数据和中间计算结果的动态数组,并给出具体代码建模流程图。最后,作为验证实例,应用飞机前轮更换轮胎对该维修保障活动仿真软件进行验证。结果表明,该软件可对该维修保障活动进行建模,即直观清晰地体现出飞机某环节维修保障活动的进程,同时也可以根据相关参数进行分析,将能为在航空系统产品保障效能评估中找出可靠性、维修性、测试性和保障性设计存在的薄弱环节提供技术支持。     

基于排列组合熵的转子振动信号故障诊断SVM方法研究

针对发动机转子的多种故障模式,提出了基于排列组合熵的SVM故障诊断方法。利用转子实验台,模拟了转子正常、转子不平衡、转子不对中、动静碰磨和基座松动5种典型振动模式,并使用振动传感器采集多路振动数据。计算振动数据的排列组合熵并将其作为故障特征向量,对特征向量样本集进行多级SVM分类诊断,并运用小波包能量特征提取方法提取信号特征。实例计算与结果对比表明,本文方法的正确率要高于基于小波包能量提取特征的SVM分类诊断方法,在提取转子振动信号的特征向量及在小样本下的故障分类诊断等方面,具有可行性和有效性。     

基于支持向量机的航空发动机性能衰退指标预测

针对航空发动机性能衰退状态的趋势预测问题,基于非线性支持向量机回归建立了发动机性能衰退指标的预测模型,给出了反映其性能衰退的综合指标。利用该模型对发动机的性能衰退指标进行了预测分析,并与神经网络模型预测结果进行了比较。结果表明:支持向量机回归预测模型能更准确地对发动机的未来状况进行预测。     

基于FSVM改进隶属度的发动机振动性能分析

为了更有效地掌握航空发动机振动性能的影响因素,提出了改进FSVM信息熵的融合定量分析方法.首先,对模糊支持向量机(FSVM)的模糊隶属度函数进行改进,建立多类模糊隶属度计算模型.再将该方法应用到航空发动机整机振动性能评估,计算出振动故障模式与故障原因之间的权值,建立了一个多参数的发动机振动性能分析模型;并对各类振动原因对发动机整体性能的影响进行定量分析,为发动机的振动抑制提供量化参考指标.最后,通过与实际经验作比较,验证了该方法是可行和有效的.     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.