基于航迹分割的航空器噪声预测模型

根据航空器的航迹来预测其影响区域的噪声情况,基于航迹的几何特性,将航迹分成直线段航迹和曲线段航迹两个基本航迹元素;确定了直线段和曲线段的各自影响范围之后,分别计算各航迹段对它们影响区域的噪声值贡献情况;统计了各个航迹段对监测点的噪声影响之后,综合得出整个航迹段对监测点的噪声影响,从而建立了航空器航迹噪声预测的模型。将该模型计算的结果分别和软件模拟数据、实际监测数据进行对比分析,发现该模型在航迹段内对监测点噪声均值的预测较为准确,监测点噪声峰值预测结果更接近实测数据。     

基于本征正交分解的平流层风场建模与预测

平流层风场环境对临近空间低动态飞行器设计和轨迹控制具有重要影响。针对平流层风场建模,提出一种基于本征正交分解(POD)的风场数据降阶方法,在此基础上,提出一种可以对平流层风场进行预测的Fourier模型。以长沙地区2005—2009年风场为例,采用提出的POD方法与Fourier预测模型对风场进行建模与预测,并对Fourier预测精度进行分析。研究结果表明,采用POD方法可以对东西方向风场进行高效率高精度降阶建模;通过Fourier预测模型可以对东西方向风场进行准确预测,预测精度与实际风场随时间变化的规律性有关,风场数据越紧凑,周期性越明显,预测精度越高。      

风扇湍流宽频噪声特性的数值计算分析

基于Gliebe发展的风扇自噪声经验预测模型与Mugridge-Morfey发展的湍流-叶片干涉噪声分析预测模型,以GE公司R4风扇为研究对象,详细分析了风扇自噪声与转子尾迹湍流-出口导叶干涉宽频噪声(湍流干涉噪声)的特性.研究了不同的风扇设计参数和湍流参数对风扇自噪声与湍流干涉噪声的影响.计算结果表明:湍流干涉噪声对风扇宽频噪声起着主要作用,湍流干涉噪声比转子自噪声大约6~10dB,比出口导叶自噪声大约20dB.此外,出口导叶来流速度对湍流干涉噪声的影响最大,来流速度增大15%时,声功率可增大4dB左右.湍流强度对湍流干涉噪声影响较大,当湍流强度增加30%时,声功率增大约1.5dB.      

基于可靠性增长预测模型的航空发动机可靠性评估

通过可靠性增长预测模型充分利用定型前内场台架试验及外场试飞提供的大量数据对技术状态不断变化的发动机进行可靠性评估,并与经典的累计平均故障间隔时间(MTBF)估算值作了比较,结果表明:传统的累计MTBF评估方法没有考虑研制过程中技术状态的不断变化和可靠性不断增长的情况,故评估的可靠性值不符合实际情况;而可靠性增长预测模型合理、有效、实用.      

灰色系统研究进展（2004--2014）

从灰数及其运算、灰色序列算子与灰色预测模型、灰色关联分析与灰色聚类评估模型、灰色决策模型、灰色组合模型和灰色控制几个方面介绍了灰色系统理论2004—2014年的研究进展及部分应用成果。梳理了基于"核"和灰度的灰数运算法则、一般灰数的概念、灰度合成公理及缓冲算子的一般形式,总结了4种GM(1,1)基本模型,即均值GM(1,1)模型(EGM)、离散GM(1,1)模型(DGM)、均值差分GM(1,1)模型(EDGM)、原始差分GM(1,1)模型(ODGM),及其适用的序列类型。介绍了灰色相似关联度、灰色接近关联度、三维灰色绝对关联度,以及基于中心点和端点混合三角白化权函数的灰色聚类评估模型、多目标加权智能灰靶决策模型、两阶段综合测度决策模型、灰色博弈模型、灰色投入产出模型,并且阐述了分布型、中立型和中立-分布型灰色随机时滞系统的指数鲁棒稳定性等新概念、新模型、新方法。同时提出了有待进一步研究解决的问题。     

时序分析在航空发动机故障诊断中的应用

通过对航空发动机滑油光谱的数据分析，认为滑油中铁等物质的含量适合平稳随机序列，并选择波克斯—詹金斯的方法对航空发动机航发滑油铁的含量建模和预测，并根据实际预测结果对基本模型进行了优化：将模型系数加权，通过多次拟合使残差的离差更小，获得了更好的预测精度。实际数据表明预测的结果是可信的。     

局部进气涡轮研究进展综述

涡轮是工业领域的重要部件之一,随着应用需求的多样化,涡轮的运行范围更广,而局部进气技术是实现多工况条件高效运行的关键手段之一。但局部进气会带来强烈的流场不均匀性和受力非定常性,增加了涡轮的设计和加工难度。本文首先对局部进气涡轮在不同领域的应用特征进行总结,其次对局部进气涡轮损失机理和性能影响因素开展分析,对比不同局部进气损失预测模型的精度,归纳局部进气涡轮的优化设计方法及性能提升效果,分析局部进气涡轮目前研究的不足,最终对局部进气涡轮发展趋势进行展望,为下一步局部进气涡轮性能改进提供方向。     

数传信道干扰仿真研究

在分析数传信道差错特性的基础上,结合测控系统实际数传信道特点,将测控系统的数传信道定位成有记忆、生成型、更新型的信道模型。最后选用了双状态马尔科夫链模型作为信道干扰仿真的数学模型,并采用误码率调节方法实现干扰仿真的灵活控制。     

数据驱动的卫星关键部件剩余寿命预测模型

针对目前基于统计学方法对卫星及其关键部件进行剩余寿命预测时普遍存在的建模困难、预测精度不高等问题,为更快速、更精确地预测在轨运行卫星关键零部件的剩余使用寿命（RUL）,选取时序数据特征提取能力较强的门控循环单元（GRU）网络构建RUL预测模型。在模型构建时,除了利用卫星遥测数据之外,还将反映卫星通信质量的统计类数据添加到模型中;同时,为进一步提高GRU模型的预测精度,将卷积神经网络（CNN）与GRU融合。最后,以某型号卫星的天线转发器这一关键部件作为研究对象,通过模型预测结果的评价对比,验证CNN-GRU预测模型的RUL预测精度相比GRU模型的有明显提升。     

基于CRBMs-RVR的涡轴发动机输出功率衰退预测

针对涡轴发动机全寿命期内输出功率衰退预测问题,提出一种含多层连续受限玻尔兹曼机（CRBMs）深度特征提取的相关向量回归（RVR）功率预测方法。对发动机气路部件测量数据进行重构,利用CRBMs深度网络提取数据深层特征,将特征数据作为RVR模型的输入,实现对输出功率的预测,并对预测结果提供概率分布。以某型双转子涡轴发动机部件级模型为试验对象,模拟全寿命期内发动机气路部件性能退化,对输出功率进行衰退预测。试验结果表明：基于CRBMs-RVR的预测模型与传统的RVR预测模型相比,训练时间缩短30.2%,预测结果的均方根误差减小64.6%;与基于主成分分析（PCA）进行特征提取的PCARVR预测模型相比,预测结果均方根误差减小42.4%,验证了所提出的预测方法具有模型结构简单、预测精度高、可提供概率式输出的优点。