LC4铝合金预腐蚀损伤疲劳寿命预测

在不同的腐蚀时间条件下,按ASTM标准对试验件进行预腐蚀试验,产生腐蚀坑,获得了腐蚀损伤的数据,然后进行疲劳加载试验,建立了不同腐蚀时间与疲劳寿命之间的关系。用AFGROW软件预测不同腐蚀时间对试件疲劳寿命影响,预测值与试验值对比偏保守。建立了预腐蚀损伤试件的疲劳寿命预测的方法。     

LY12MO铝合金板时效成形回弹率研究

利用自备机械时效工装,设计正交试验以分析探索了LY12MO铝合金板圆弧弯曲的时效成形工艺及变形规律,得到了时效成形的工艺参数影响顺序,初步研究了工件回弹量的实际控制方法。结果显示,当工艺为时效温度190℃、时效时间10h的条件下可使回弹率控制在12%以下,且金相组织有明显改变。     

一种地月转移轨道中途修正的制导算法

针对地月转移轨道中途修正问题,提出了一种求解修正速度增量的制导算法。该算法由初值设计和精确解求解两部分组成。首先,利用伪状态理论,通过简单迭代设计中途修正的初值,并通过Vinti预报方法修正了地球扁率的影响。然后,在求解精确解时,提出了一种基于伪状态理论的状态转移矩阵解析算法。该算法通过设计高精度的初值,降低了求解地月转移轨道中途修正问题的难度,而且避免了传统数值方法计算状态转移矩阵的复杂性。数值仿真结果表明,该算法可有效求解中途修正问题。     

基于知识图谱和自动机器学习的软件缺陷预测

不稳定和召回率低效的软件缺陷预测模型难以在行业领域应用,为解决稳定和高效各项性能评价指标的软件缺陷预测模型在工程实践应用的问题,提出了一种基于知识图谱和自动化机器学习的软件缺陷预测方法AutoKGGAS,首先获取软件缺陷预测模型数据,对知识建模、知识获取、知识融合、知识储存与知识计算等知识图谱构建技术研究,实现知识图谱...     

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。     

雷达监视下程序管制短期冲突告警算法研究

本文研究了一种基于航空器飞行轨迹线性外推冲突预测的短期冲突告警（STCA）算法,并给出算法的具体实现方案。仿真实验结果证明了算法的有效性,适用于雷达监视下的程序管制间隔标准和管制体制。     

广汉WAFS数值预报资料再分析研究

本文结合广汉地方气候特点。对WAFS数值预报资料进行整理、诊断,转换GRIB数据,并根据WAFS资料计算了露点温度的预报值,由此得出一些预报产品,如降水预报、形势场预报、K指数、假相当位温、结冰指数等。在实际工作中,使用WAFS预报产品多次准确预报了广汉机场的大风、降水等重要天气过程。同时,也发现WAFS资料在强度预报和长期预报中的不足。     

T639、ECMWF数值预报产品对积冰预报的释用

本文主要利用T639资料、ECMWF数值预报、卫星云图、天气图分析及地形分析对中低空飞行时频繁出现积冰的原因进行分析,着重对T639数值预报、欧洲中心数值预报产品所含的温度、湿度、相对湿度在航路积冰预报中的释用进行了分析。结论得出欧洲中心预报24小时、48小时预报风场、湿度场和实况吻合很好。T639数值预报风场、湿度场、温度场12小时预报效果很好,和实况吻合。二者结合利用,对积冰预报效果更好。     

基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径（Mean volumetric diameter,MVD）和液态水含量（Liquid water content,LWC）是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。     

多重应力下滚动轴承剩余寿命预测

为了实现多重应力下滚动轴承的剩余寿命预测,有效利用不用应力下的退化数据,提出了一种基于加速模型和贝叶斯（Bayesian）理论的滚动轴承剩余寿命预测方法。通过拟合优度检验和威布尔（Weibull）概率图检验法对滚动轴承试验中的数据进行有效性分析。利用switching Kalman filters(SKF)判断滚动轴承各时刻的退化状态。当滚动轴承进入加速退化时,用指数模型拟合轴承退化过程,利用广义线性对数模型表示退化模型参数与应力的关系,根据修正后的轴承实时退化数据利用贝叶斯算法更新模型参数,得到滚动轴承剩余寿命的概率密度函数,从而实现滚动轴承剩余寿命预测。采用XJTU-SY轴承数据集进行验证,预测结果的均方根误差在20 min以内,证明该方法能够有效预测滚动轴承的剩余寿命。