非线性飞机参数化模型与控制有效率的实时检测

针对非线性飞机方程的控制有效率进行了故障检测与诊断，通过将吹风表格数据处理成一种参数化非线性函数，找出了飞机状态量与控制律分离的控制有效率表达式和检测方法，算法中将检测结果与对应故障模式进行了分类处理，提高了算法的鲁棒性，最后用飞机的实例进行了仿真验证，结果表明，该算法具有较高的检测精度和较快的检测速度。     

液体发动机故障检测与诊断中的基础研究问题

液体火箭发动机故障检测与诊断是当前航天推进系统研究中迫切需要解决的关键技术。根据我国当前这项技术发展的实际情况，必须提高研究水平和加快研究进程，做好基础性的研究工作，介绍了我国在建立泵压式液体火箭发动机故障模式、标准数据库和改进人工神经网络算法与时序分析算法等方面所做的工作。提出了深入开展故障仿真研究和开发实用故障检测与诊断系统的建议。     

基于管制语音指令识别的防跑道侵入安全告警策略设计

传统场面监视管理系统通常采用基于电子进程单操作和场面目标态势识别的防跑道侵入安全告警设计策略,无法判别和保证管制语音指令与电子进程单操作之间是否具备一致性,某型空管场面监视管理系统尝试在引入管制指令识别功能的基础上重新设计防跑道侵入安全告警策略,为实现更准确高效的防跑道侵入应用提供了解决方案。     

神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

机场探鸟雷达技术发展与应用综述

探鸟雷达已成为机场鸟击防范中重要的鸟情观测工具。首先,在介绍探鸟雷达技术起源的基础上,分析了目标回波幅度、飞行速度、飞行高度、轨迹特征、微动特征等飞鸟目标特性。然后,介绍了Merlin雷达、Accipiter雷达、Robin雷达以及Aveillant雷达等四种典型的机场探鸟雷达系统及国内的探鸟雷达技术研究现状,并分析了天线、雷达波形、目标检测与跟踪、目标识别与分类等雷达关键技术,进而对典型探鸟雷达系统的性能指标做对比分析。最后,从雷达与光电技术融合、探鸟与驱鸟联动、鸟情信息分析等方面讨论了探鸟雷达的应用情况,并做出结论与展望。     

某型飞机发动机地面起动故障解析

通过一起发动机地面起动不成功故障分析 ,介绍了逐条排查找出故障原因的方法及排故方法。某次故障发生后 ,通过涡轮起动机、综合调节器、起动自动器、飞机电气系统、燃油泵—调节器检查得知 ,它们的工作参数均满足发动机起动过程中的技术要求 ,但燃油分配器去主燃烧室第 1级集油官的燃油压力在n2 >18%时不符合技术要求。通过对燃油分配器前后的燃油压力分析 ,得知造成发动机起动不成功的根本原因是燃油分配器调整不当。排除飞机起动故障时应综合考虑各种因素 ,一一加以排查和分析 ,排除故障时应由简到繁 ,由外及里进行 ,以减少人力物力和时间的浪费     

基于光谱分析技术的磨损故障监测

采用转盘电极式原子发射光谱分析技术,监测某型燃气轮机传动润滑系统磨损状况的发展变化趋势,及时诊断早期磨损故障.为确保光谱分析技术监测的准确性,着重研究了环境温度波动、标准曲线细化、样品黏度以及磨损颗粒尺寸等主要因素对测量结果的影响,并简要阐述了光谱分析技术的基本原理.经大量研究试验表明:光谱分析技术能够提前预报燃气轮机传动润滑系统可能发生的磨损故障,是油液状态监控的1种有效手段.     

基于星载可见光相机的空间碎片探测

空间碎片在轨识别与参数辨识为空间轨道预警、航天器规避空间碎片提供了重要依据。文章在轨道相对动力学的基础上,模拟了空间碎片在光学探测过程中的拖尾成像特性;随后,采用 Hough变换对空间碎片尾迹特征.r进行提取与识别,获取碎片方位角信息,通过匹配多帧图像,获取碎片的方位角速度信息。同时,结合激光测距仪的测距信息,获取空间碎片的位置和速度信息;通过数值仿真验证,该方法能够实现对空间碎片探测、识别和定位,因而具有一定的工程应用价值。     

基于深度学习的发动机叶片故障检测技术

为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明：优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。     

航改燃气轮机燃烧室故障模式、影响及危害性分析

为提高航改燃机燃烧室可靠性及使用安全性,在设计阶段对某型中等功率航改燃气轮机燃烧室进行故障模式、影响及危害性分析（FMECA）。根据燃烧室结构组成,建立硬件层次及可靠性逻辑框图。针对燃烧室机匣、火焰筒、燃油总管、燃油喷嘴、导流罩等零部件进行故障模式分析,指出可能发生故障的原因及其影响,并有针对性地提出改进措施。根据各零部件发生故障的概率及严重程度建立危害性矩阵,找出系统的薄弱环节,得到FMECA表。结果表明：火焰筒壁面掉块及燃油总管焊缝开裂是影响燃烧室性能及使用安全性的主要因素,应采取相应措施降低其发生概率及严重程度,同时指出对于发生概率及严重程度较低的故障可以适当降低其设计成本。运用FMECA表客观地找出系统薄弱环节,为后续燃烧室维护及测试提供参考。