基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

半球谐振陀螺信号检测与动态性能改进方法的研究

半球谐振陀螺是一种全新的固体陀螺,具有独特的结构和工作方式。针对 半球谐振陀螺信号的提取、检测与控制,提出了半球谐振陀螺信号检测的改进方法和自 主开发的力平衡控制电路系统,以及其动态性能指标的改善方法,实验结果表明了该技 术效果显著。研究可为半球谐振陀螺提供理论研究和工程应用参考。     

基于合作博弈论的水下声传感器网络

声学传感器节点之间的合作面临声学信道故障、声学信号的长传播延迟、有限带宽和连接丢失等挑战,成为水下探索和海底监测研究中的关键问题。在节点合作中,可以利用合作通信博弈改善节点之间的合作问题。首先,介绍了水下声传感器网络中影响合作的各种因素,围绕水下通信的可靠性、能耗性、安全性等方面,提出水下合作的分类,并且从不同的角度研究了用于水下声传感器网络的各种合作技术;其次,通过回顾博弈论在节点相互合作中的应用,分析了不同的合作博弈方法,比较了它们在不同指标上的性能;最后,介绍了水下声传感器网络的开放性问题和未来研究方向。     

加工误差对压气机叶栅气动性能及稳定性影响的数据挖掘

为缓解加工误差影响评估过程中的"维数灾难",结合展向平均假设和基于高斯过程的Karhunen-Loève展开,提出了一种由法向加工误差导致的三维叶片表面几何不确定性降阶模型.通过给定加工误差分布的标准差函数求解几何不确定性降阶模型,并运用伪蒙特卡洛方法随机生成样本,最终训练人工神经网络预测了加工误差对高负荷直叶栅气动性...     

燃气涡轮发动机故障诊断的人工神经网络法

介绍了人工神经网络专家系统在航空涡轮风扇发动机故障诊断上的应用。通过一个高涵道比涡扇发动机故障诊断的实例分析, 验证了三层逆传播网络的可行性。非常令人鼓舞的诊断结果证明:神经网络的模糊联想特点、分布存储和并行处理能力以及对随机误差的抑制作用, 使其成为一个有效的和快速的方法。它有很好的应用前景, 并可广泛用于航空发动机的故障诊断。      

面向问题的稀疏分布式记忆模型

在Kanerva所提出的稀疏分布式记忆(SDM)或存贮模型的基础上,为实现对特定类问题的大维数输入空间的模式识别,如汉字识别,脸谱辩认等,根据问题的具体情况,诸如汉字的频率分布等,提出了一个面向问题的稀疏分布式记忆模型。改进后的模型更符合实际应用,其中的学习规则采用了指数型记忆规则,使模型具有更高的信噪比,存贮容量亦大大提高。计算机模拟表明了这一点。     

Advanced data acquisition system for SEVAN

Huge magnetic clouds of plasma emitted by the Sun dominate intense geomagnetic storm occurrences and simultaneously they are correlated with variations of spectra of particles and nuclei in the interplanetary space, ranging from subtermal solar wind ions till GeV energy galactic cosmic rays. For a reliable and fast forecast of Space Weather world-wide networks of particle detectors are operated at different latitudes, longitudes, and altitudes. Based on a new type of hybrid particle detector developed in the context of the International Heliophysical Year (IHY 2007) at Aragats Space Environmental Center (ASEC) we start to prepare hardware and software for the first sites of Space Environmental Viewing and Analysis Network (SEVAN). In the paper the architecture of the newly developed data acquisition system for SEVAN is presented. We plan to run the SEVAN network under one-and-the-same data acquisition system, enabling fast integration of data for on-line analysis of Solar Flare Events. An Advanced Data Acquisition System (ADAS) is designed as a distributed network of uniform components connected by Web Services. Its main component is Unified Readout and Control Server (URCS) which controls the underlying electronics by means of detector specific drivers and makes a preliminary analysis of the on-line data. The lower level components of URCS are implemented in C and a fast binary representation is used for the data exchange with electronics. However, after preprocessing, the data are converted to a self-describing hybrid XML/Binary format. To achieve better reliability all URCS are running on embedded computers without disk and fans to avoid the limited lifetime of moving mechanical parts. The data storage is carried out by means of high performance servers working in parallel to provide data security. These servers are periodically inquiring the data from all URCS and storing it in a MySQL database. The implementation of the control interface is based on high level web standards and, therefore, all properties of the system can be remotely managed and monitored by the operators using web browsers. The advanced data acquisition system at ASEC in Armenia was started in November, 2006. The reliability of the multi-client service was proven by continuously monitoring neutral and charged cosmic ray particles. Seven particle monitors are located at 2000 and 3200 m above sea level at a distance of 40 and 60 km from the main data server.     

低排放燃烧室化学反应器网络模型的参数化

为了掌握低排放燃烧室的污染物排放情况,对其化学反应网络器(CRN)模型的参数化进行研究.对爬升工况下燃烧室CFD数值模拟结果进行分析,划分燃烧室的结构,得到燃烧室的CRN模型.再利用自编程软件对燃烧室的结构参数和进口参数进行参数化定义,并把参数化的CRN模型在不同工况下的模拟结果与试验结果分别比较.结果表明:在慢车工况下二者相差不大,在爬升工况下二者差异也在允许误差范围之内.验证了该模型可行性较好,该参数化CRN模型可用于预测低排放燃烧室的污染物排放量和出口温度.     

时滞BAM神经网络周期解的存在唯一性

研究了一类具有变系数及状态依赖时滞或分布时滞的BAM神经网络模型的周期解存在唯一性问题,利用不动点定理获得了周期解的存在唯一性条件,并应用数例说明结论的有效性。     

非视距误差神经网络改正的超宽带定位模型研究

非视距环境是造成超宽带定位系统精度下降的主要原因。由于非视距环境的测距精度下降难以通过常规计算方法建立改正模型,提出了一种基于反向传播算法的神经网络改正的超宽带稳健定位模型。该方法通过反向传播神经网络的自适应学习方法建立了一种超宽带非视距误差改正的稳健定位模型,实现了在非视距环境下超宽带定位精度的提升。首先采集非视距环境下超宽带测距值,提取超宽带在非视距环境下的坐标序列,计算得到误差序列,然后通过反向传播神经网络建立误差改正模型预测得到标签的误差改正值,最后使用超宽带Kalman滤波定位模型进行超宽带定位,从而消除非视距环境对定位精度的影响。通过对比实验分析,本模型较多项式拟合模型超宽带测距精度提高46.8%,定位精度提高43.4%;较多面函数拟合模型超宽带测距精度提高28.2%,定位精度提高26.2%。实验结果表明,反向传播算法的神经网络对超宽带非视距定位模型的误差改正有很好的效果,对超宽带定位精度的改正效果显著。