基于案例推理方法在飞机故障诊断中的应用

基于案例推理(CBR,Case-Based Reasoning)方法是一种基于经验知识进行推理的求解方法,适合于经验丰富的领域.针对飞机售后服务过程中积累的大量故障诊断和维修经验,将CBR方法应用于飞机故障诊断和维修决策支持.从飞机维修的需求出发,分析了CBR飞机故障诊断方法的基本过程;讨论了飞机故障案例库的构建、案例表达、案例检索、匹配、案例修改和维护等关键技术;重点研究了故障案例的知识表达,应用字符型字段匹配和K-近邻方法(KNN,K-Nearest Neighbor)相结合的检索模型实现了案例检索和匹配;提出了辅助飞机故障诊断系统的结构,开发了原型系统并给出应用实例.      

舰载无人机飞行安全性评估方法研究

采用故障模式及影响分析法、风险评价指数矩阵法是舰载无人机飞行安全性分析与评估的有效方法。按照实例分析的需要提供了一般的分析方法和过程,对舰载无人机飞行的安全性进行了分析与评估,并根据其结果提出了改进措施,可供工程技术人员参考。     

民机初始备件方案的优化

针对航空公司降低初始备件费用、提高机群出勤率的运营需求,提出了基于最大化边际效应的初始备件方案优化方法.介绍了以单类产品为对象、以保障概率为约束的泊松分布备件计算模型,并使用该模型计算了一个初始备件方案案例.给出了以初始备件项目清单为对象、以备件费用为约束的使用可用度最大的优化模型和实施步骤.利用备件优化软件对初始备件方案案例进行了备件费用相同和使用可用度相同两种情况下的优化,给出了费用-效能曲线图和优化方案数据表,通过曲线图上数据的比较可以看出使用可用度和备件费用分别得到了提高和降低,通过对数据表的分析可以看出各类备件数量变化的趋势符合备件优化模型原理.结果表明优化方法对解决航空公司的初始备件方案优化问题具有良好的适用性.     

基于保障系统三维模型的飞机RMS仿真分析方法

利用仿真方法研究军用飞机可靠性维修性保障性(RMS,Reliability,Maintainability and Supportability)设计指标确定问题.介绍了保障系统三维模型的内涵,结合三维模型原理和模块化设计原则建立了飞机RMS仿真分析框架,对框架内各模块功能及内涵给予了介绍.给出了仿真分析总体流程,以及对仿真数据进行后处理获得评价参数的计算方法.运用蒙特卡罗仿真方法对军用飞机的RMS设计指标进行实例分析,获得了满足保障效能要求的RMS设计指标方案集,对研制阶段装备设计指标论证有重要的参考价值.     

火星探测无人机任务规划与建模分析

利用无人机进行火星探测, 具有探测范围广、可看到地形变化等优点. 介绍了火星探测无人机总体任务规划的情况, 讨论了探测无人机在火星与地球上飞行的区别, 建立了火星探测无人机纵向非线性模型, 并在平衡点对非线性模型进行泰勒展开, 得到线性化模型. 通过对线性模型的进一步分析, 掌握了火星探测无人机的稳态性能及飞行特点.      

基于量子万有引力搜索的SVM自驾故障诊断

针对自动驾驶仪在实际测试过程中故障样本较少的情况,提出一种基于量子万有引力搜索算法(QGSA)的支持向量机(SVM)故障诊断模型。SVM能较好地解决小样本、非线性问题,适用于自动驾驶仪的故障诊断。为进一步提高万有引力搜索算法(GSA)对参数寻优的收敛速度和收敛精度,将基于GSA的QGSA应用于SVM的参数寻优中,以解决SVM由于参数选取不当导致过学习或欠学习的问题,从而获得最优的分类模型。通过模拟实验分析,当训练样本数量为50时,基于QGSA的SVM故障诊断模型分类准确率便能达到96.530 6%,而基于遗传算法(GA)的SVM故障诊断模型分类准确率为92.040 8%,基于GSA的SVM故障诊断模型分类准确率为91.632 7%。仿真实验结果表明,基于QGSA的SVM故障诊断模型具有更好的故障诊断能力。      

基于拟态电势能的飞行器航路规划方法

航路规划是现代各类飞行器,特别是无人机（UAV）安全飞行和完成任务的关键要素。对于复杂威胁环境和高维空间的航路规划问题,传统规划方法在规划速度、航路安全性、算法适用性等方面存在一定的应用局限。分析了电荷在电场中移动引起电势能变化的特点规律及电势场分布特性,模拟电势场理论对飞行环境进行威胁建模,建立基于电势威胁场引导的航路节点概率选择机制及安全性评价准则。在此基础上,构建基于拟态电势能的随机采点扩展式航路规划方法。通过与传统航路规划方法的对比仿真实验表明,运用拟态电势能进行航路规划,能够显著缩短路径长度和计算时间,提高规划航路的安全性,对于航路规划的应用很有价值。      

操纵面加装Gurney襟翼对无人机纵向气动特性的影响

通过风洞测力实验研究了矩形Gurney襟翼对多操纵面飞翼布局无人机纵向气动特性的影响.升降副翼和襟副翼加装Gurney襟翼都会增加全机升力系数以及低头力矩系数.通过比较发现,升降副翼加装Gurney襟翼的增升效果好于襟副翼,外侧操纵面控制效果好于内侧.升降副翼和襟副翼分别组合加装Gurney襟翼会进一步提高增升效果,并且升力系数随着Gurney襟翼高度的增加而增加.鸭翼上加装Gurney襟翼可以减小全机低头力矩系数,因此鸭翼和升降副翼、襟副翼组合加装Gurney襟翼在线性段提高全机升力系数的同时,可以保持低头力矩系数增量基本为0,该特性对改善飞行器性能尤为有利.     

基于SMO—SVR的飞机舵面损伤故障趋势预测

飞机舵面出现损伤时,为了更准确的预测状态参量变化情况,提出了一种改进的序贯最小优化支持向量回归(SMO-SVR, Sequential Minimal Optimization Support Vector Regression)预测方法.采用改进C-C平均方法对多元时间序列进行相空间重构,以确定最优嵌入维数m和延迟时间τ_d.根据所求m和τ_d建立加权SVR预测模型,并调整了SMO算法的停机准则.利用区间自适应粒子群算法(IAPSO, Interval Adaptive Particle Swarm Optimization)优化SVR参数,以提高参数优化速度.为了验证改进算法的有效性,针对飞机方向舵损伤故障趋势进行了预测和分析,并与径向基函数神经网络(RBFNN, Radial Basis Function Neural Network)方法进行了对比,仿真结果表明SMO-SVR预测模型具有很好的预测能力.