面向集中力扩散的回转曲面加筋拓扑优化方法

为了提高航天器回转曲面加筋型连接结构的集中力扩散效率,需要开展回转曲面加筋集中力扩散结构设计。传统放射肋设计方法普遍依赖设计经验、难以满足集中力高效扩散需求。因此,提出一种面向集中力扩散的回转曲面加筋拓扑优化方法。第1步,建立了一种基于各向异性过滤技术的集中力扩散拓扑优化方法,保证拓扑优化结果满足回转曲面加筋制造工艺要求;第2步,提出了一种基于网格变形技术的拓扑优化结果智能重构方法,可高效准确地对回转曲面加筋拓扑优化结果进行模型自动重构。基于所提出方法,以卫星平台对接环这种典型的回转曲面加筋壳为对象开展算例研究,并将优化结果与传统放射肋设计结果进行对比。结果表明,所提出的优化方法可得到加筋构型清晰、满足回转曲面加筋制造工艺要求的优化结果,且具有集中力扩散效率高、网格质量依赖性低、拓扑特征重构高效等优点。     

基于LSTM的飞行数据挖掘模型构建方法

提出了一种基于LSTM （Long Short Time Memory）模型的飞行历史数据挖掘模型的构建方法,此模型可以将飞行数据中有价值的目标数据自动提取出来。首先,通过滑动窗口法获得待检测数据;然后,将预先做好的训练样本数据输入到所构造的LSTM模型中进行训练,得到数据挖掘模型;最后,将待检测数据导入到训练好的LSTM模型中进行模式识别,将目标数据片段挖掘出来。结果表明,基于LSTM模型的飞行数据挖掘模型构建方法通用化程度高,可用于挖掘不同类型的目标数据,且识别率高,具有很高的工程应用价值。     

航空发动机全寿命维修概率建模与仿真

由于生产制造、运行环境和使用条件等个体性差异,航空发动机部件性能/寿命不确定,进一步导致机队送修率和小时维修费率等运维指标不确定.为了量化评估部件设计可靠性、运行环境、维修决策等不确定性因素对机队运维指标(送修率、送修原因、平均拆换时间间隔、小时维修费率等)的影响,提出了一种航空发动机全寿命周期维修概率建模方法.该方法...     

基于叶端定时的转子叶片动应变重构不确定性量化

基于叶片非接触式动应变重构理论,开展动应变重构不确定性量化方法研究。基于方差合成定理建立重构叶片动应变不确定性量化分析模型;以模拟转子叶片为研究对象,开展旋转叶片叶端定时试验,利用周向傅里叶算法获取不同叶端定时传感器布局下的测点振幅,通过最大熵方法拟合振幅分布概率密度函数,确定叶端定时测振的不确定性参数;结合Kriging代理模型和试验共振频率数据对叶片有限元模型进行修正,获取关键测点位移-应变转换因子,并获取考虑共振转速以及测点位置不确定性的转换因子不确定性参数;获取重构动应变的均值、标准不确定度和包含区间,与应变片测量数据作对比。结果表明,除5号叶片A测点外,测量动应变均位于重构动应变的95%置信度下的包含区间内,且所有叶片的应变片测点动应变重构误差不超过15%。     

飞行模拟器飞行指引系统控制器的设计

在现代飞机中，飞行指引系统对飞机的起飞，着陆，预选飞行高度和航向、保持飞行状态和航线飞行等方面起着十分重要的作用，它能向驾驶员提供飞机的姿态指令信号，从而确保了飞机的安全，提出了飞行效率和减轻了驾驶员飞行中的负担。本文主要讨论民机飞行模拟器中的飞行指引系统控制器的设计。     

载人航天器系统防操作失误设计分析

载人航天中任何人为操作错误都会对载人航天器系统和航天员的安全构成威胁。文章对载人航天器系统中人的操作特点进行了论述,并对保证载人航天器安全而进行的防操作失误设计问题进行了探讨。在此基础上,提出了进行载人航天器系统防操作失误设计的方法以及提高航天员操作可靠性的措施。     

轨道转移计算中的逐次消元迭代法

本文针对导弹飞行轨道转移的一个算例,叙述应用消元法思想构造数值求解非线性方程组的迭代算法的一般原理,具体算法步骤和一些计算结果。给出算法成功的理论依据,最后给出实现算法时的一些变形。     

用于省内公路干线网规划研究的启发式模型

本文阐述了一种将运量在运输线路上的配置和投资在项目上的分配相结合的启发式方法的模型。文章对这种方法的原理与应用进行了研究探讨。     

无人战斗机飞行管理与控制系统分析

综合概述了世界无人战斗机的发展状况,分析研究了无人战斗机飞行管理与控制系统的特点和需求,运用"人机"复杂混合控制系统理论分析了无人战斗机飞行管理与控制系统层次结构,论述了遥控操作员"人机"界面、任务规划及其实时控制、大机动敏捷控制律设计等实现飞行管理与控制系统的关键技术问题及其解决方案.     

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。