光力惯性传感技术研究进展

光力惯性传感技术是利用光子与机械振子的相互作用,通过出射光的动量和角动量的变化实现对振子运动状态的监测,进而实现对其受力（矩）,以及（角）速度、（角）加速度测量的新型惯性传感技术。该技术既有高极限精度的原理优势,又有微型化的技术优势,是惯性传感技术的前沿领域,具有极大的发展潜力。首先介绍了基于光阱系统和微腔系统的两类光力惯性技术,分析了其基本工作原理与物理特征;其次介绍了国内外光力惯性传感器件的研究现状;最后对光力惯性技术的发展特点、国内外差距进行了总结,并给出了我国发展光力惯性传感技术的建议。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

磁场对冷镱原子光钟稳定度影响的仿真分析

在光晶格钟运行时，不停起伏的杂散磁场会引入一阶塞曼频移和二阶塞曼频移，从而影响光晶格钟的频率不稳定度。此外，突变的磁场可能导致激光频率参考到钟跃迁频率的伺服闭环过程发生不可恢复的失锁，从而阻碍光钟的持续运行。在实验中，光钟进行频率闭环锁定前，通常通过控制三维线圈对光钟主腔中心原子处的杂散磁场进行补偿。首先使用三维磁强计，对真空主腔附近的磁场进行监测和记录，以分析杂散磁场对光钟性能的影响。然后利用正态分布模型和二项分布模型等，对光钟频率伺服锁定过程的阿伦偏差进行仿真拟合。在引入实际磁场监测数据的基础上，模拟光钟频率的伺服锁定过程，分析其仿真结果可以得出：减小杂散磁场起伏和控制磁场漂移，在提高冷镱原子光钟的短期稳定性和长期稳定性方面具有重要意义。     

民用飞机健康诊断大数据应用研究

该文对面向飞机健康诊断的几种大数据技术进行了综述。并行聚类分析方法可以抽取飞机维护系统并行计算机的基本特征,形成飞机各系统历史数据的抽象计算模型;而针对全机状态监控参数中如何从大量飞机参数中挖掘出有价值的信息问题,参数场域挖掘技术发挥了很大的作用;然而在实际应用过程中,经常会遇到多种复杂的故障,这些故障通常具有复杂的非线性关系,而要确定这些非线性相关规则,需要依托大数据技术确定相关的关系;而对于由某一部件失效形成飞机级联故障的链式效应,可利用可视化数据挖掘技术,描述故障数据,结合人类视觉感知能力,加强数据结果处理。     

控制系统模拟信号处理方法研究

模拟量采集精度对控制系统具有重要意义.研究了模拟量采集过程的软件设计流程,层次划分和模型,从传感器AD值到模拟量物理值之间不同处理阶段给出了常用方法描述.针对错误处理详细描述了错误诊断方法.最后将模拟量采集软件应用于某发动机模拟量采集中,通过试验进行模拟量测量值和软件输出值对比计算,结果表明此模拟量采集软件输出模拟量精度均在有效范围内.     

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.      

航空发动机故障融合诊断研究

结合气路诊断与振动分析方法,建立发动机故障融合诊断模型,探讨气路与振动故障融合诊断方法的可行性。构建故障融合诊断3级体系(故障特征级、故障模式级以及故障决策级融合),实现基于性能参数和振动参数的综合评估方法,获得基于小偏差法的气路故障判据,形成基于动力学分析的振动故障判据,提出故障特征融合的方法,通过算法实现故障融合识别,并在模拟试验器上进行涡轮叶片掉块故障试验验证,获得相应的故障诊断决策。结果表明:设计的发动机故障融合诊断方法合理,算法正确。     

航空发动机失稳特征信号甄别

针对航空发动机失稳时的重要表征——喘振信号开展检测、判别和处理方法的研究。通过失稳信号处理器实时获取压气机压力脉动数据,采用时域诊断分析方法完成对失稳信号的在线检测和预警。经压缩部件台架试验验证,失稳信号处理器能成功分离出喘振状态下的失稳信号特征,实现对失稳信号较为准确的捕获,采用的失稳判定方法有效。研究结果表明:失稳特征信号的实时、准确甄别,是发动机失稳主动控制的先决条件,提高失稳特征信号判别的正确率,可有效避免发动机失稳过程中信号的误判、漏判。