基于飞行参数的飞机结构载荷最优回归模型

基于飞行参数获取外场飞机疲劳关键结构载荷历程是结构故障预测与健康管理系统的一项关键技术,如何构建鲁棒性好且精度高的结构载荷回归模型是保证载荷识别和寿命预测准确性的关键。结合多元线性回归分析,提出并详细介绍了一种筛选最优输入参数组合的技术途径：首先,进行多重共线性诊断以减弱自变量之间的多重共线性;然后,进行残差分析,删除异常样本点;最后,采用逐步回归法筛选出最优自变量组合。指出传统的多重共线性诊断方法存在一定弊端,并分别基于偏相关系数法和辅助回归方程法,提出了2种更为合理可行的诊断方法。以典型战斗机翼身连接框某关键部位的载荷和应力为样本数据,对最优输入参数组合的筛选步骤展开详细说明,验证了所提出的技术途径不仅可以确保飞机结构载荷模型的精度,而且可以提高模型的稳定性和鲁棒性。     

气体压缩性对流量系数的影响

通过理论和实验研究了气体压缩性对有效流通面积的影响.运用回归分析的方法对实验数据拟合,对比研究不同理论模型与实验数据的吻合程度.研究发现:供气压比小于1.081时,气体的压缩性影响较小.供气压比大于1.081时可压缩气体理论模型拟合曲线与实验数据吻合,不同供气压比状态的有效流通面积比较稳定.而不可压缩气体理论模型拟合曲...     

飞机结构腐蚀损伤尺寸的关联性分析与探讨

基于某型水上飞机结构材料铝合金的外场腐蚀普查数据,建立了腐蚀深度与腐蚀面积的相关性计算模型,经研究发现,这两者有着较好的关联关系。所以,在外场腐蚀普查过程中可以通过测量腐蚀损伤表面积,预测腐蚀深度的大小,因而本文可以为获得飞机结构腐蚀深度提供一种简单而可行的预测方法。     

固体燃料冲压发动机推力平稳性及飞行稳定性分析

分析了固体燃料冲压发动机中燃面退移速率的影响因素,建立了燃面退移速率仿真模型。在此基础上,建立了固体燃料冲压发动机工作过程仿真模型。采用该模型对固体燃料冲压发动机超音速巡航导弹的推力平稳性和飞行稳定性进行了分析。分析结果表明,选择适当的发动机设计参数能确保推力随时间的变化最小;发动机能根据巡航导弹飞行高度和速度的变化进行调整,使巡航导弹维持在设计点飞行。     

固体燃料热分解特性分析

为了认清固液火箭发动机混合燃烧过程,采用热平板导热方式对固体燃料进行热分解实验,得到了固体燃料的化学动力学参数。在热平板导热实验中,观察了固体燃料在不同温度条件下的热分解残药情形,绘制了典型的燃料表面热分解温度-时间曲线,进一步得到Arrhenius类型的燃面退移速率-燃料表面温度关系曲线,并得出固体燃料的活化能强烈依赖于燃料的表面温度,"燃速-温度"曲线明显地展现了2个活化能区域,为固液火箭发动机燃料表面退移速率理论计算提供实验依据。     

基于AI+神经网络的数字化故障电弧识别方案研究

线路故障电弧的特征随着电力电子技术的提高更趋复杂，传统的故障电弧识别方式已无法应对新型用电系统。对比传统故障电弧识别方案，研究故障电弧产生类型和新型检测技术，提出基于谐波因素、总谐波畸变率、电流零休时间、电流变化速率、电流周期性等典型时域、频域特征的AI+神经网络的数字化故障电弧识别方案。该方案运用回归算法向量机对特征图进行分类处理，通过正向传输运算、反向传输运算和迭代回归运算三个步骤执行卷积神经网络，频繁迭代回归以获得最佳特征识别图。本文以调光器的故障电弧识别为例，对故障识别方案进行验证，结果表明采用此方案可实现更高效、更精准、更稳定地识别故障电弧。     

基于偏最小二乘回归同时测定阿莫西林和多四环素含量

阿莫西林和多四环素在紫外光谱区间吸收峰附近有多重共线现象,紫外分光光度法难以准确测出2种物质各自含量.本文通过L_(16)(4~5)正交实验设计,采集200～250 nm波长混合样品吸收光谱,数据经标准化处理,建立偏最小二乘回归预报数学模型.结果显示,该法计算阿莫西林和多四环素的预测相对误差(RPE)分别为3.13%和6.42%,平均加标回收率分别为100.34%和100.71%.该法简便快捷,准确可靠,样品无需预先分离.     

基于逻辑回归的APU性能状况评估

针对飞机辅助动力装置(Auxiliary Power Unit,简称APU)性能评估研究中单参数评估不全面的问题,提出了基于逻辑回归模型的方法,融合多参数来对飞机APU性能状况进行全面评估.首先,对APU参数数据来源进行分析,选择基于实时报文数据的APU性能评估方法,并结合APU的工作原理以及实际工作情况,挑选出可以反...     

Exploring 2D projection and 3D spatial information for aircraft 6D pose

The 6D pose estimation is important for the safe take-off and landing of the aircraft using a single RGB image. Due to the large scene and large depth, the exiting pose estimation methods have unstratified performance on the accuracy. To achieve precise 6D pose estimation of the aircraft, an end-to-end method using an RGB image is proposed. In the proposed method, the 2D and 3D information of the keypoints of the aircraft is used as the intermediate supervision, and 6D pose information of the aircraft in this intermediate information will be explored. Specifically, an off-the-shelf object detector is utilized to detect the Region of the Interest (RoI) of the aircraft to eliminate background distractions. The 2D projection and 3D spatial information of the pre-designed keypoints of the aircraft is predicted by the keypoint coordinate estimator (KpNet). The proposed method is trained in an end-to-end fashion. In addition, to deal with the lack of the related datasets, this paper builds the Aircraft 6D Pose dataset to train and test, which captures the take-off and landing process of three types of aircraft from 11 views. Compared with the latest Wide-Depth-Range method on this dataset, our proposed method improves the average 3D distance of model points metric (ADD) and 5° and 5 m metric by 86.8% and 30.1%, respectively. Furthermore, the proposed method gets 9.30 ms, 61.0% faster than YOLO6D with 23.86 ms.