基于RBF神经网络的液压位置伺服系统故障诊断

针对液压系统的非线性、时变、流固耦合的特点,提出双级径向基函数(Radial Basis Function,RBF)神经网络模型实现液压伺服系统故障检测与定位.采用第1级RBF网络作为液压伺服系统的故障检测滤波器,通过实际系统与RBF观测器输出的残差实现液压伺服系统故障检测.利用第1级RBF观测器的输出残差和网络结构参数,应用第2级RBF网络实现液压伺服系统典型故障定位.针对K均值聚类算法收敛速度慢的缺点,提出了改进K均值聚类算法和学习速率自适应调整算法,利用网络优化结构参数和学习率,加快神经网络收敛速度,减少运算量.实验结果表明,利用双级RBF神经网络能够有效地检测出液压位置伺服系统的故障,并能实现系统的故障定位.     

一种疲劳裂纹损伤的模糊综合评估算法

提出了一种基于模糊综合评判法的飞机蒙皮裂纹损伤综合评估算法.该算法在已检测出裂纹的特征数据的基础上,应用分层聚类的最短距离法对飞机蒙皮铆钉区域进行划分.然后利用层次分析法建立权重集,对影响评价蒙皮裂纹损伤程度的各种影响因素进行权重分配.最后确定评判矩阵,进行模糊综合评判.为维修人员判断裂纹损伤的严重程度提供了科学的依据...     

基于主成分和聚类分析的管制系统质量评估模型

为进行管制系统运行的质量服务水平评估,建立了初始管制系统质量评估指标体系,先用主成分分析剔除存在相关性、信息重叠的指标,再用聚类分析的迭代思想进行分类,得到最终管制系统质量评估指标体系。在此基础上用物元分析对管制系统质量进行综合评估。最后,通过算例分析验证了评估方法的可行性。     

基于核方法的航空发动机推力估计器设计

鉴于实现航空发动机的直接推力控制需要高精度及高可靠性的推力估计器,基于核方法,提出了结合全局核k-means聚类与鲁棒最小二乘支持向量回归机的推力估计器设计方案,通过核诱导的隐性映射将原始输入数据映射到特征空间,使数据样本特征信息被提取并放大,具有更好的可分性.在每个聚类内设计推力子估计器,用鲁棒代价函数代替最小二乘代价函数,增强了推力估计器的整体鲁棒性.通过对涡扇发动机的仿真试验表明,本推力估计器设计方法能够满足直接推力控制需要,与其它方法相比,在估计精度及鲁棒性上存在一定优势.     

基于聚类方法提高离场导航精度的可行性研究

为了提高终端区的空域利用效率,探讨提高终端区离场导航精度的可行性是具有重要意义的。通过将从雷达数据中获得的航空器航迹点的坐标信息进行处理、计算,建立了改进的航迹偏差相似度模型,并运用层次聚类法和正态分布参数分析法,分析了使用现有导航设备导航条件下的雷达航迹点数据,证实了在实际的离场飞行阶段,航空器飞行误差远小于现行的导航精度规范规定的导航误差要求,从而证明了提高现有的离场程序的导航精度在一定条件下具有可行性。     

基于改进型近场动力学方法的复合材料单向板变形与破坏分析

针对复合材料单向板的变形与破坏问题,采用经典的键型近场动力学(Peridynamics,PD)理论进行建模分析,利用基体键与纤维键描述单向板宏观各向异性,同时在基体键中引入反映长程力尺寸效应的核函数修正项改进近场动力学本构模型,构建相应的准静态数值求解体系。使用传统PD模型与改进型PD模型对单轴拉伸单向板变形进行定量计算,二者所得计算结果较理论解相对误差分别为3.5%和1.7%,表明改进型PD模型具有更高的定量计算精度。开展含不同角度中心裂纹单向板单轴拉伸破坏试验与数值模拟,二者所得单向板最终破坏形式与破坏特点均吻合,表明当前模型与方法能够有效处理单向板的破坏问题。最后对纤维角度为0°单向板的拉伸破坏过程展开模拟分析,结果表明单向板在前期主要出现基体开裂,当裂纹扩展至夹持区域后,结构出现纤维断裂,最终形成贯穿整个结构的断面导致单向板发生破坏。     

基于小波变换和聚类的BLDCM故障检测与识别

为了满足航空用机电作动器(EMA,Electro-Mechanical Actuator)高可靠性和大范围调速的要求,充分利用具有双通道容错结构的无刷直流电动机(BLDCM,Brushless DC Motor)系统特殊的结构和换相特点,通过分析两个通道中功率电路直流母线电流波形的突变特征,提出一种采用小波变换(WT,Wavelet Transform)与层次聚类算法(HCA,Hierarchical Clustering Algorithm)相结合的故障检测与诊断方法.并通过实际电机系统试验验证了方法的可行性与正确性.试验结果表明,这种方法对电机断相故障、逆变器功率管断路故障具有明显的检测与识别效果,而且不受转速、负载和噪声的影响.信号特征提取算法简单,故障识别方法可靠性高,无需额外设备,易于应用,具有很强的实际操作性.     

基于深度置信网络的近距空战态势评估

针对传统态势评估方法权值确定困难、大规模数据处理和特征提取能力不足的问题,结合当前空战数据特征,将深度置信网络(DBN)应用于近距空战态势评估。通过密度峰值算法对空战特征数据进行聚类分析,并结合态势函数和专家判读进行修正,建立标准空战态势样本库;以重构误差和测试错误率为基础,建立网络拓扑结构和最优参数确定方法,提高模型的训练效率,并通过样本数据,对模型进行训练和验证。实验表明,模型态势分类正确率达到92.7%,模型运行时间满足应用需求,实例评估结果与客观态势一致性强。     

基于稳定分簇的移动自组织网络路由协议

移动自组织网络的动态拓扑特性给其分簇路由协议的设计带来了一定的挑战,而分簇算法作为分簇路由协议中重要的技术手段,如何建立一种有效稳定的分簇机制,对分簇路由协议的性能至关重要。本文在大规模网络环境下,提出一种稳定的分簇算法,并在此基础上提出一种分簇路由协议。为提高网络性能,该分簇路由协议簇间采用被动模式,簇内采用主动模式,并且各个分簇由簇首、网关、访客和普通簇节点组成。仿真结果表明:该分簇算法减少了簇的数量和簇成员在簇间的切换次数,提高了分簇的稳定性。相应的分簇路由协议较该类协议也降低了网络的平均端到端时延和平均路由开销,提高了数据包接收的成功率。      

考虑能量最优的集群航天器避碰规划

针对传统集群聚集算法在航天器集群规划应用中存在燃料消耗大、不均衡以及耗时过长等问题,提出了向心聚集的能量最优聚类避碰算法。该算法首先基于集群相对运动方程与有限时间的能量最优模型,建立了自适应的向心聚集的能量最优模型;在此基础上,对于耗时较长且碰撞的问题,提出一种基于能量最优的聚类避碰算法,以模块间安全距离矢量作为避碰约束,将能量消耗作为聚类算法指标进行改进。仿真验证表明,该算法可以自适应选取集群聚类的中心,有效避免碰撞,减少集群聚集总能量的消耗以及模块间能量消耗的不均衡性,使得工质消耗达到全局最优,且耗时仅有常规遗传算法的万分之一。该算法为集群快速安全聚集提供了思路。