一种小样本民机产品的可靠性预测方法

将最小二乘支持向量机(Least square support vector machine,LS-SVM)应用于小样本民机产品的可靠性预测分析。通过重构相空间的饱和嵌入维数,确定最小二乘支持向量机的最佳输入变量;然后,使用最小二乘向量机建立可靠度回归预测模型,运用自动网格搜索法,优化了最小二乘支持向量机的建模参数,实现了比现有方法精度高、泛化性好的模型。训练和测试的可靠性样本取自某机型襟翼液压锁寿命可靠性数据。与神经网络模型的比较实例表明,提出的方法合理有效。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题,为进一步提高故障诊断准 确率,提出了基于小波变换和粒子群优化(Particle swarm optimization,PSO)支持向量机 (Support vector machine,SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析,然后通过小波分解计算分形维数,再利用核主元分析（Kernel pri ncipal component analysis,KPCA）降低特征值维数,实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证, 获取了较高的故障诊断准确率,与其他方法进行比较,实验结果显示了本文方法的优越性。     

基于PERT网络的航空弹药保障人员优化配置

针对航空弹药保障效率和可靠性要求高的问题,在分析保障流程的计划评审技术（PERT,Program Evaluation and Review Technique）网络图中各工序对任务完工影响程度的基础上,提取了工序关键度指标和重要度指标以及各方案下的按期完工概率,建立了保障人员配置方案评价指标体系,表示为评价函数形式.以基于蒙特卡洛方法的PERT网络仿真为核心,选择在遗传算法进化寻优框架下构建优化模型,该方法不仅得到了最优的保障人员配置方案,而且评估了需要注重的关键工序.算例实验证实了其有效性与实用性.      

军用飞机维修保障信息系统体系结构建模研究

介绍了系统体系结构的建模方法,详细分析了系统体系结构的建模过程,针对军用飞机维修保障业务特点,对军用飞机维修保障信息系统的体系结构建模进行了研究,并给出了一个应用案例。本文的研究结果可为维修保障信息系统的研制提供参考。     

大攻角气动力测量的尾支干扰实验研究

在 FD-09低速风洞中进行了大攻角下尾支对 YF16飞机模型静态气动特性和底部阻力测量的干扰效应的实验研究。实验结果表明:就尾支-支架系统对气动力测量的影响而言,尾支杆对俯仰力矩测量的干扰是主要的。     

低速风洞带螺旋桨动力模型支架干扰实验研究

本文给出了 FL-8风洞中螺旋桨处于不同位置的三个飞机模型支架干扰实验结果,分析了影响带螺旋桨动力的飞机模型支架干扰的因素。实验表明,由于螺旋桨滑流的诱导和夹带作用,使腹撑支杆附近的气流沿轴向加速;由于模型支杆的存在,将影响螺旋桨滑流的空间位置和尺寸,这些都将影响支架干扰量的大小,因此,一般不能用无螺旋桨动力模型的支架干扰数据代替有螺旋桨动力模型的支架干扰数据。实验结果还表明,滑流存在对阻力、俯仰力矩支架干扰有一定影响,其影响量与螺旋桨的位置和拉力系数有关。滑流对升力、滚转力矩和偏航力矩支架干扰无明显影响。除单发右停顺状态外,滑流对侧向力支架干扰无明显影响。     

腹支撑对具有大展弦比机翼和船尾形机身的飞机模型的于扰与修正

一种适用于具有大展弦比机翼和船尾形机身的飞机模型的腹部支撑方式、腹支装置的设计要求和试验方法、以及腹支撑干扰的机理在此作了介绍，并给出了一些实验结果和对实验数据的修正方法．     

风洞干扰对YF16模型实验数据的影响

本文研究了风洞干扰对ＹＦ１６模型实验数据的影响，特别着重于阻塞效应。结论是：提高大攻角实验数据准确度的关键在于减少和修正由于阻塞效应引起的系统误差。     

阶梯波合成整流器及其调制策略

提出了基于阶梯波合成结构的整流器,具有开关频率低、谐波含量小、滤波器体积小、输入功率因数和输出电压可控等优点,非常适合大功率应用场合.详细介绍了其工作原理.分析了输出电压调节方法,并提出采用具有特殊采样时序的错时采样空间矢量调制方法对其进行PWM调节,既保留了阶梯波合成技术的消谐波能力又使得交流侧合成电压的相位和幅值可调,以便于实现输入单位功率因数和输出直流电压的调节,最后通过实验验证了该阶梯波合成整流器的可行性.     

面向地震应急响应的松耦合研判模型管理机制

由于面向地震应急响应系统(EERS)的研判模型有其自身特点,传统决策支持系统中模型管理方法并不能较好地满足其管理需求。提出一种面向地震应急响应的松耦合研判模型管理机制(LC-MM),包括3个部分:(1)研判资源建模环境,由研判模型描述/控制语言(MDCL)和数据源描述/控制语言(DSDCL)组成;(2)研判资源协同交互框架,该框架分为4层,主要包括应用环境上下文App_Context、模型调用者Model_Invoker和数据通道Data_Channel 3个Agent组件;(3)研判资源协同交互协议,该协议将研判任务、研判模型和数据源的紧耦合关系分解为上述Agent组件之间的协同交互关系。实际应用表明,LC-MM能够有效屏蔽研判资源的异构性,提高EERS的可扩展性、动态适应性以及平台无关性,能够较好地满足EERS中研判模型的管理需求。