基于结构健康监测的飞机结构 MSG-3 分析

结构健康监测(SHM)技术被广泛引入到了飞机设计与维护,本文依据现阶段SHM技术的发展现状,将SHM技术与MSG-3分析思想融合,制定了一种针对采用SHM技术飞机结构的计划维修分析流程。     

基于光纤传感器的SRM界面黏接应力监测

界面黏接应力是SRM(固体火箭发动机)药柱结构完整性重要方面,也是健康监测的重要参数。为实现对黏接应力实时在线监测,设计了一种聚合物封装的FBG(光纤布拉格光栅)传感器,将其埋入HTPB(hydroxyl-terminated polybutadiene)推进剂/衬层界面黏接试件中。通过对试件在受到拉应力作用下FBG传感器反射光谱的模拟和应力响应测试试验研究了FBG传感器对应力响应规律。结果表明:FBG传感器中心波长随着试件的拉应力增大而减小,线性度较好,且传感器具有较高的灵敏度和稳定性。试件黏接性能测试试验中,FBG传感器性能保持完好,黏接试件强度满足技术指标,验证了传感器封装和埋入方式的可行性。      

天象一号低轨导航增强系统研究与在轨试验验证

如何实现GNSS全球瞬时高精度服务一直是GNSS领域的迫切需求和研究热点.采用低轨导航增强技术体制,利用低轨卫星运动几何变化快的特点,解决GNSS精密单点定位快速收敛问题和性能提升问题,是GNSS高精度定位服务未来发展的重要方向.从全球瞬时高精度服务内涵出发,阐述了天象一号低轨导航增强试验系统的技术体制,包括系统工作模...     

状态监控与故障诊断聚类分析法

概要阐释聚类分析方法及其技术要点，对用聚类分析进行状态监控和故障诊断作了探索性研究，提出用８种系统聚类法进行状态监控和故障诊断。     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。     

顾及频间偏差的GNSS多频非组合PPP变形监测

精密单点定位(PPP)技术有望解决长距离、大范围等监测场景难以找到稳定基准点的难题。现代化的全球卫星导航系统(GNSS)卫星纷纷开始播发多频信号,多频观测值融合理论上可提升PPP变形监测性能。为了充分利用多频冗余观测数据,详细研究了每个频点的差分码偏差(DCB)和全球定位系统(GPS)存在的相位频率间卫星钟偏差(PIFCB)的改正方法,扩展了多频数据处理的严密理论模型,能够灵活处理GPS三频、Galileo五频和BDS-3五频观测数据。多频PPP振动监测实验结果表明,GPS三频PPP、BDS-3五频PPP、Galileo五频PPP较各自双频PPP位移监测精度可分别提升12%、13%和14%,表明多频PPP技术有利于提升PPP位移监测精度与稳定性。     

基于光纤光栅与BP神经网络的孔边裂纹监测研究

含孔金属结构的孔边裂纹监测对于保障飞行安全,增强飞机结构可靠性具有重要意义。为实现对孔边裂纹扩展的监测,进行含有孔边角裂纹的含孔铝合金板疲劳加载试验,得到含孔铝合金板试验件的a-N 曲线以及孔边裂纹扩展过程中光纤光栅应变传感器中心波长偏移量;利用包络分析法、BP 神经网络等损伤识别算法对试验数据进行处理与分析;建立能够以光纤光栅应变传感器中心波长偏移量识别孔边裂纹扩展的监测模型,并通过试验对监测模型进行验证。结果表明：此监测模型可有效识别出孔边角裂纹的扩展与穿透,对孔边角裂纹扩展长度监测的准确度达到了97.2%,未来可应用于全机地面疲劳试验、飞机结构健康监测等多种场景。     

飞机结构疲劳关键部位损伤与可靠性评定技术

从分析结构疲劳失效和损伤演化的本质特征,得到了以疲劳损伤描述的结构可靠性分析模型,并在此基础上,给出了使用过程中飞机结构疲劳关键部位的损伤与可靠性评定技术和相应参数指标.该方法以一般环境下全尺寸结构疲劳试验结论的完整资料和服役中记录的每架飞机飞参数据为主要依据,能够实现利用每架飞机的飞参适时地对其结构损伤状态与可靠性给出评估,满足飞机结构疲劳损伤监控技术的需求.最后结合某型飞机的具体服役情况给出评估示例.研究表明,采用该方法可适时地计算出某型飞机结构的疲劳损伤和可靠性,并可为使用方合理决策提供重要参考信息,以在保障结构安全可靠的前提下合理地调配使用飞机.      

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。     

Fault diagnosis based on measurement reconstruction of HPT exit pressure for turbofan engine

Aero-engine gas path health monitoring plays a critical role in Engine Health Management(EHM). To achieve unbiased estimation, traditional filtering methods have strict requirements on measurement parameters which sometimes cannot be measured in engineering. The most typical one is the High-Pressure Turbine(HPT) exit pressure, which is vital to distinguishing failure modes between different turbines. For the case of an abrupt failure occurring in a single turbine component, a model-based sensor measurement reconstruction method is proposed in this paper. First,to estimate the missing measurements, the forward algorithm and the backward algorithm are developed based on corresponding component models according to the failure hypotheses. Then,a new fault diagnosis logic is designed and the traditional nonlinear filter is improved by adding the measurement estimation module and the health parameter correction module, which uses the reconstructed measurement to complete the health parameters estimation. Simulation results show that the proposed method can well restore the desired measurement and the estimated measurement can be used in the turbofan engine gas path diagnosis. Compared with the diagnosis under the condition of missing sensors, this method can distinguish between different failure modes, quantify the variations of health parameters, and achieve good performance at multiple operating points in the flight envelope.