空中交通拥挤的识别与预测方法研究

随着航空运输业的迅猛发展,空中交通拥挤现象日益严重,空中交通拥挤研究已经成为国际民航界的一个研究热点。其中,空中交通拥挤的识别与预测是空中交通拥挤研究的主要内容之一,在此基础上综述了国内外有关空中交通拥挤识别与预测方法的研究状况。首先概述了基于不同拥挤形成因素和拥挤后果的空中交通拥挤概念的研究状况;接着依据所用交通数据时间尺度的不同,分别针对基于短期数据的阈值判别方法、基于长期数据的聚类识别方法以及基于混合数据的综合评价方法综述了空中交通拥挤的主要识别方法;然后分别基于数理算法(统计算法、交通流模型算法和智能算法)和计算机仿真模拟技术综述了空中交通拥挤的主要预测方法;最后指出了空中交通拥挤识别与预测问题的近年研究热点和未来的研究方向。     

基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.      

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

Operational modal parameter identification with colored noise excitation

Operational Modal Analysis (OMA) refers to the modal analysis of a structure in its operating state. The advantage of OMA is that only the output vibration signal of a system is used in the analysis process. Classic OMA is based on the white noise excitation assumption and many identification methods have been developed in both time domain and frequency domain. But in reality, many environmental excitations are not compliance with the white noise assumption. In this paper, a method of half power bandwidth analysis is applied to power spectrum analysis to deal with the colored noise and trapezoidal spectral excitation. The modal frequencies and modal damping ratios are derived and the error caused by trapezoidal spectral and colored noise excitation are analyzed. It is proved that the OMA algorithm based on the white noise assumption can be extended to the colored noise environments under certain conditions. Finally, a simulation example with a cantilever beam and a vibration test with four kinds of colored noise and trapezoidal spectrum base excitation are carried out and the results support the proposed method.     

结构修理手册结构识别模块编制方法

结构识别是结构修理手册中的基础信息部分,可帮助维修人员了解修理对象.本文介绍了结构修理手册飞机机体结构识别模块的基本内容、数据需求、编制方法和流程,可为金属结构部件和复合材料结构部件的结构识别模块编制工作提供指导.     

基于抗噪声ICA的高光谱数据特征提取方法

特征提取是高光谱数据应用的一个重要环节,用于将高光谱数据中具有特殊性质的地物分离出来并去除冗余信息.提出了一种使用独立成分分析(ICA,Independent Component Analysis)进行高光谱遥感地物特征提取的方法.为了解决ICA对噪声过分敏感的问题,采用最大噪声分量(MNF,Maximum Noise Fraction)算法替代传统的主成分分析对数据作降噪处理,由MNF引出的不完全独立成分分析(UICA,Undercomplete ICA)在不牺牲特征提取能力的情况下能够获得很高的运算效率.给出了HYDICE和PHI的数据试验结果,分别测试了算法在时间效率和特征提取能力方面的性能,证明了该算法具有预期的性能.     

基于有限元Craig缩聚模型的基础激励和载荷识别

载荷识别是用有限自由度的加速度测量值推断外力.基础激励是在基础自由度上加给定的加速度时间历程激振结构,求整个结构的动响应.利用Craig减缩模型的性质,及界面自由度的已知运动可求出整个结构其余自由度的动力学响应,完成基础激励求解.在此基础上用已知的界面自由运动和求得的非界面自由度的动力学响应,代入结构动力学方程即可实现载荷识别.本方法唯一能给基础激励和载荷识别结果带来的偏差是Craig缩聚模型与原始有限元模型间的差异,对此用频响分析的方式,直接从频响曲线的变化来确定缩聚模型的精度.算例表明这一新的基础激励和载荷识别途径是有效的.      

大型导弹车工作模态识别研究及应用

针对大型导弹车在运输状态下的动态特性识别问题,设计制作了能够反映大型导弹车主要动力学特征的简化模型,使用最小二乘复指数法（LSCE）对简化模型进行了动态特性识别,对识别结果进行了分析和评估,并将最小二乘复指数法应用到真实大型导弹车运输状态的模态识别中。可为大型导弹车运输状态下的动力学特性分析提供参考。     

整机条件下涡扇发动机部件特征参数辨识

为解决整机条件下难于直接获得部件全部特征参数的问题,在计算发动机部件特征参数对整机性能敏感度的基础上,利用条件数分析参数之间的相关性最终确定可修正参数数量.这样即可构造工程上可解的辨识问题,并通过最小二乘法求解.仿真计算结果显示:高压压气机效率为0.982与初设值0.98一致,说明该方法从理论上是可行的.从具体实例的辨识结果来看,有压气机后温度测试时部件效率降低量值符合实际结果;无压气机后温度测试时高压压气机效率较设计状态偏高12.7%,不符合实际发动机工作情况.显然辨识问题是病态的,为此可修正参数不应超过6个.