试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

数据驱动的航天器异常检测工具对未来中国空间站管理的启示

随着人工智能和大数据技术的飞速发展,数据驱动的自动异常检测技术成为国内外研究的热点,并在航天工程中得到了一定的应用.对数据驱动的航天器异常检测工具——美国航空航天局的IMS工具、欧空局开发的Novelty Detection工具、日本东京大学开发的ADAMS平台进行了分析,针对目前中国工程上主要依靠阈值自动判读以及专家...     

变体飞机智能结构技术进展

具有可变外形特征的变体飞机能始终保持最佳飞行状态,满足多种任务需求,是未来飞行器的重大技术方向。本文从变体飞机的背景出发,论述了变体飞机的结构组成和能力需求,阐述了变体飞机结构的关键技术（如柔性结构技术、驱动/控制技术和状态感知技术)的研究现状与发展方向,提出智能材料柔性结构、分布式驱动/控制系统与微小传感器一体化是未来变体结构的主方向。同时指出,4D打印技术在设计和制造智能材料柔性结构方面具有很大的应用潜力。本文的研究为变体飞机智能结构设计和关键技术研究提供了参考,对于未来变体飞机的发展具有指导意义。     

通用加速计算在环幕失真校正中的应用研究

大规模场景的沉浸式投影系统大都以环幕作为显示设备,而由环幕造成的几何失真使系统真实感大大降低。从环幕产生失真的几何原理出发,通过建立投影平面和成像面之间的坐标映射关系,生成了一种几何失真校正的理论模型。同时,研究了一种适于通用加速计算的图形硬件架构CUDA,基于其多线程的硬件执行机制,通过将几何失真的校正矩阵组织成纹理进行多重纹理贴图映射,设计了预失真校正的硬件加速算法,该算法还利用基于权值的超采样技术对加速中的走样进行了设计。最后,对该方法的校正效率和效果进行了实验验证,证明该方法具有更高的场景交互速度和很好的校正效果。     

基于装配误差分析的空间高精度驱动机构装配技术研究

针对高精度轴系组件旋转精度、精密小模数谐波减速器轴向安装精度及传动精度装调技术难点,分析装配误差角度对高精度空间驱动机构精度的影响,获得影响精度的关键因素。采用偏心矢量分析方法,建立了传动精度误差模型。通过轴向间隙装配尺寸链分析并建立数学模型,采用快速低成本修配法实现轴向装配精度控制。通过定向装配法控制轴系组件轴线跳动方向以及控制谐波减速器中柔轮-刚轮-凸轮轴线同轴度,实现了轴系径跳≤0.01 mm,端跳≤0.01 mm,机构传动精度≤2′的装配运动精度要求。同时开展了定向装配法和随机装配法对轴系和驱动机构精度影响的对比试验,结果表明：定向装配法相比传统装配方法精度提高了约20%。     

基于光栅投影三维测量的相位展开方法研究

为了提升光栅条纹解相位的精度与效率,从时间序列的角度,对多频外差与相移法进行优化.按照展开频率的重要性选择不同步数的相移进行相位主值的求解,主频率选用四步相移,其他频率选用三步相移,最后利用外差原理进行光栅条纹的相位展开.通过试验结果证明算法的可行性,且此优化算法相比于传统的格雷码展开法精确度更高,投影图像更少,对比于...     

空客飞机液压系统发动机驱动泵失效的监控研究

飞机液压系统发动机驱动泵（EDP）故障会导致飞机操作系统和其他重要系统失去液压动力源,造成飞机返航备降和运行中断。为了实现对飞机液压泵失效的故障监控,本文以A320机型为例,通过分析液压系统中核心部件液压泵的工作原理,并收集故障样本,根据液压泵断轴的故障模型,采集液压系统涉及的关键参数,对液压系统压力和温度进行分析,统计历史航班数据,总结出针对此类故障预测性维修监控的方式方法。     

新年寄语

<正>龙马精神海鹤姿,九秩华章赋新诗。值此马年新春之际,我们谨向广大读者、作者和辛勤工作的编辑出版人员,以及社会各界的朋友们致以最美好的祝福和最崇高的敬意,衷心感谢大家一直以来对《航空标准化与质量》的关注和支持。2013年是全面贯彻落实党的十八大精神的开局之年,中航工业以十八大精神为指引,牢固树立全面深化改革的信念,统一思想,深化改革,大力实施创新驱动战略,中航工业综合所坚定执行集团发展战略部署,全体干部员工以"倾注航空情、助推中国梦"为己任,全力推进完成总体思路和目标任务,"创新理念、创新业务、创新能力、创新管理、     

基于数据驱动的复杂进气下风扇转子叶根损失模型

发展了一种基于数据驱动的复杂进气下风扇转子叶根损失预测方法。提取了影响风扇转子叶根损失的关键气动参数作为输入变量，熵损失系数作为输出参数；采用计算耗时小的单叶片通道定常模型，通过给定不同边界条件并进行组合来构建样本数据库，使得数据库中样本点尽可能覆盖更广的复杂进气工况；采用径向基神经网络训练并构建输入变量与输出参数之间的映射，实现叶根损失的快速预测。计算结果表明：该损失模型能够准确捕捉叶根损失的径向分布趋势，并且相比于传统损失模型能够大幅提升预测精度。在不同流量、进气旋流以及畸变强度工况下，叶根流动损失平均预测误差基本小于10%。