火箭子级垂直回收布局气动特性及发动机喷管影响

垂直回收可重复使用运载火箭是运载火箭发展的一个重要方向,大长细比的火箭子级垂直再入过程属于典型的非规则钝头体绕流,与传统低阻力流线体飞行器气动特性差异较大。采用风洞试验辅以数值仿真分析的方法,对基于栅格舵的火箭子级垂直回收构型基本气动特性和非规则钝头体绕流情况进行了研究,获得了发动机外露喷管和栅格舵对火箭子级垂直回收气动特性的影响规律,给出了火箭子级垂直回收布局设计建议。结果表明：火箭子级倒飞状态下肩部区域会在小迎角下产生大分离流动,外露发动机喷管左右两侧诱导出较强的分离涡结构,与火箭尾翼、肩部大分离流动相互作用;垂直回收构型在超声速下阻力会一直处于较高的水平,不同马赫数下压心移动量较大,倒飞时发动机外露喷管会产生较大的干扰静不稳定力矩,其量值与栅格舵提供的静稳定控制力矩基本相当,在火箭子级垂直回收方案设计时需要引起注意。     

模糊线性/非线性自抗扰切换控制及其应用

针对干扰弹在作战过程中所遇到的强非线性的干扰、模型不确定性的影响等特性,提出了一种模糊线性/非线性自抗扰切换控制器。首先,以干扰弹滚转运动模拟装置为研究对象,分别建立了以飞轮角速度为被控量、滚转角为被控量的数学模型;提出了用模糊规则改进线性/非线性自抗扰切换控制条件,进而实现更为平稳的模糊软切换;然后选择采用飞轮角速度线性自抗扰控制内环和滚转角模糊线性/非线性自抗扰切换控制外环的双闭环控制策略;最后,搭建了系统的仿真模型与实验平台。仿真与实验结果都表明该控制器兼具了线性自抗扰与非线性自抗扰的优势,具有较高的实际应用价值。     

基于PR- ERNIE模型的航空安全风险量化分析

有效地利用实体识别技术识别出航空不安全信息中的风险要素,提升安全风险识别和评价能力,对于实现航空安全风险量化分析具有重要意义。为精准识别非结构化航空不安全信息中的风险要素,提出了一种融合先验规则和知识增强语义表示模型的实体识别模型,以大量航空不安全事件案例文本报告为分析对象,在自建标注语料上训练ERNIE模型,获取动态词向量,同时引入能够表达风险要素结构的规则进行优化。实验结果表明,模型在测试集上的精确率、召回率和F1值分别达到了92.5%、92.4%和92.4%,优于实验对比的其他模型。模型能够有效识别航空不安全信息中隐含的风险要素,为航空安全风险量化分析提供数据支持。     

基于多Agent的柔性作业车间动态调度方法研究

为提高调度策略对工件到达密度变化的适应能力,对柔性作业车间内的动态调度方法进行了研究。首先根据调研结果以及Agent建模方法构建了基于多Agent系统的柔性制造动态调度系统;然后结合柔性制造背景下的复杂结构件加工特点对调度过程中任务分解、机床选择、任务分配3个步骤的运行机制进行了改进,形成了基于工序块的任务分解机制、基于加工精度的机床选择机制以及基于调度规则的动态时间窗调度方法;最后通过试验验证了该动态调度方法在工件到达密度变化场景下的可行性,对当前实际的柔性作业车间生产活动具有一定的指导意义。     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。     

基于RS-CART决策树的航空发动机小样本故障诊断

针对CART(classification and regression tree)分类决策树构建过程中由于小样本集特征维数高及噪声等造成的过拟合问题,在CART决策树算法训练过程中引入基于互信息的粗糙集(rough sets,RS)属性约简,考虑信息熵与基尼(GINI)系数刻画样本集“纯净度”的相似关系,对历史故障数据进行属性约简,降低属性维度以优化训练集,在此基础上构建分类决策树,可视化输出规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。     

基于RBR与CBR的维修大纲专家系统

根据飞机维修大纲研制的需要,依据最新的维修指导小组思想和类似机型的维修大纲经验,提出了基于规则推理(RBR)和案例推理(CBR)相结合的民机维修大纲制订方法.构建了民机维修大纲专家系统的总体框架,并对该系统中的关键技术问题——案例的表示和组织、案例的检索、集成推理技术和案例的修正与存储进行了详细分析和研究.案例的检索分两步进行:首先从案例库中找出与新机型尽可能相似的机型,然后,从类似机型中进一步匹配出最相似的项目.集成推理采用RBR和CBR分开推理,再比较结果做出决策.最后,采用面向对象的程序设计方法对该专家系统编程,并以某航空公司飞机验证了RBR和CBR相结合的维修大纲制订方法的有效性.      

基于深度学习的风洞天平测力试验数据异常检测方法研究

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。     

基于规则和故障树的故障案例库构建方法研究

基于案例推理的故障诊断方法适用于经验丰富的决策环境,在飞机维修保障领域应用广泛,但由于缺乏解析模型和诊断规则的支持,难以满足复杂故障诊断要求。而故障树分析法建立在设计原理的基础上,可信度高。为了提高故障诊断效率和准确性,以实现基于规则和故障树模型与基于案例推理相融合的诊断方法为目的,研究案例的组织和案例库的构建。根据飞机维修保障实际需求,采用基于故障树分析的方法,结合故障诊断推理规则,建立飞机故障诊断模型;将模型和经验知识相结合,提出一种基于规则和故障树的案例库构建方法,进一步完善基于案例的推理机制,提高故障诊断的精确性和有效性。该案例库已应用于飞机故障诊断系统,实现了交互式故障诊断和排故引导,验证了研究方法的可行性。