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.     

PHM体系中的航空器维修决策理论研究

PHM体系要求航空器维修决策策略从由事后维修或定时维修转变为视情维修。实际应用中,维修决策系统需要依赖于众多相关的故障信息,需要PHM体系完成对机载信息的监控、存储、传送以及故障的预测与诊断。PHM体系不是为了直接消除故障,而是为了了解和预计故障何时将发生,或在出现未料到的故障时,维修决策系统将快速确定触发维修工作。     

干涉对复合材料机械连接强度的影响

采用ANSYS10.0软件,以有限元分析为主要手段分别对间隙配合及干涉配合复合材料机械连接进行了三维模拟。在模拟过程中综合考虑了复合材料特性、螺栓与复合材料板及复合材料板与复合材料板之间的摩擦和接触以及螺栓和复合材料板的约束条件。解决了复合材料干涉配合高精度有限元模拟的关键技术,并通过预紧单元引入拧紧力矩。以此为基础,研究了间隙及干涉对复合材料机械连接强度的影响。结果表明:在复合材料机械连接中采用干涉量适当的干涉配合可以有效提高接头强度。     

舰载机综合复飞决策研究

舰载机在着舰过程中,由于种种干扰偏离理想下滑轨迹后,飞行员必须及时准确地作出复飞决策并采取相应的动作。针对这一问题,对已有的复飞下边界准则进行了进一步的完善,并推导和确定了复飞上边界准则。然后首次将基于小扰动动力学模型的着舰系统与基于终端预估方程的复飞决策系统相结合,设计了基于改进型复飞边界准则的综合复飞决策系统,得到了相应的综合复飞区及复飞边界,并针对不同着舰情况对综合复飞决策系统进行了仿真验证。结果表明,该系统能够及时判断出舰载机是否进入复飞区,复飞是否安全,从而大大提高了舰载机的着舰效率和着舰安全性。     

开放区域航路网战术协同控流策略研究

为降低航班运行延误、提高航路资源利用率,从空管部门和航空公司协同角度研究空中交通开放区域战术控流问题。引入协同决策理念和航路配流思想,考虑航路瓶颈点容流关系和航空器时间间隔标准,整合空中等待和改航等策略,研究建立了开放区域航路网络交通流模型,给出了协同控流策略及其执行程序。采用实际航班运行数据,对所提方法进行了仿真验证。结果表明,用于仿真验证的30架航班总延误时间降低了17.7%,不仅有效减少了航班延误、充分利用了航路资源,而且提高了航空公司参与决策的自主性与积极性,有利于区域航路交通流协同优化控制。     

基于改进直觉模糊数的混合型多属性决策方法

为了解决混合型决策不同类型指标难于集结的问题,将实数、区间数以及语言变量转化为直觉模糊数形式,依据直觉模糊加权算术平均算子对各个指标进行集结,引入一种改进的得分函数对直觉模糊数进行排序比较。算例结果表明改进的得分函数是实用和可行的。     

基于静态删减算法的神经网络在软件可靠性预测中的应用

与传统的基于人工神经网络的软件可靠性预测模型结构普遍由预先经验或者通过不断尝试的方法确定不同,在分析一般的软件可靠性模型的基础上,提出将一种基于静态删减算法的神经网络模型应用到软件可靠性预测中。通过利用2组经典的软件失效数据进行仿真,并与传统的神经网络可靠性预测模型对比分析,研究了神经网络拓扑结构和预测精度的关系,结果表明,基于静态删减算法的运用能够提高神经网络模型对软件可靠性的预测精度。     

航空发动机健康管理用户的诊断预测指标体系

航空发动机健康管理的顶层设计必须要满足不同健康管理用户的使用要求。简要介绍了健康管理系统的用户分类和开发流程,重点分析了面向外场使用的后勤、飞行、维修、机群管理等军方健康管理用户的要求。从健康管理诊断和预测的技术实现出发,分别分析了军方不同用户的要求与诊断、预测指标之间的映射关系,建立了相应的诊断和预测指标体系。可为军方制定满足外场使用需求的研制总要求,工业部门制定贴合用户需求的研制规范提供借鉴。     

基于奇异值趋势分解和LS-SVR的航空发动机性能指数组合预测

发动机性能指数是衡量其性能优劣的重要指标之一。针对发动机性能指数具有非线性、非平稳的特征,引入多层次多尺度的思想,在此基础上提出一种基于奇异值趋势分解的组合预测方法。利用奇异值趋势分解提取原始数据的趋势项和波动项;以改进粒子群算法分别获取趋势项和波动项在最小二乘支持向量回归模型中的最佳参数组合(嵌入维数、延迟时间、惩罚因子、核参数),并引入回归移动的思想,在此基础上利用最佳的最小二乘支持向量回归模型进行预测。预测结果表明预测精度明显增加,计算时间也相对减少。提前预测步长在5步之内时,精度变化不大;步长超过10步,精度下降很快。与不同预测方法比较,证明了方法的有效性。      

CDM GDP技术在我国机场流量优化管理中的应用研究

借鉴美国CDM GDP的成功经验,结合我国的实际,对CDM GDP在我国机场流量优化管理中的应用进行了初步的研究.由于恶劣天气等原因,使机场降落容量大幅度降低,必然导致降落航班延误.通过CDM GDP的关键技术RBS和压缩,得到每架延误航班的起飞时间,从而使被延误的航班在起飞机场等待,避免了改航、备降和空中等待等问题,提高了安全性,降低了费用.在满足公平性的同时,使航班的总延误最小.