一种解决经验模态分解端点效应的边界延拓法

用于电子设备或系统辐射发射趋势预测的数据大多呈现非线性、样本量小的特点,这大大增加了预测建模的难度,而经验模态分解(EMD)可以将非线性、非平稳的数据分解成若干个呈现一定周期性的本征模态函数(IMF),并且EMD具有完备性和正交性,可通过分别对分解得到的IMF分量建模,从而完成对原始数据的建模。但EMD被端点效应问题所困扰,为了提高EMD的分解精度,针对分解过程中的端点效应问题,以及辐射发射趋势预测的时间序列数据样本量小的特点,利用建立灰色均值GM(1,1)预测模型所需数据量小的优点,提出了一种基于灰色均值GM(1,1)预测模型的边界延拓方法,在原始数据两端各拓展一个极大值和一个极小值,对原始数据进行边界延拓,从而抑制EMD的端点效应。仿真对比结果表明:该方法在分解层数和平均相对误差方面均优于未经延拓处理的EMD,且对数据样本量要求不高。     

中国是BBJ最重要的市场之一——专访波音公务机总裁SteveTaylor(史蒂夫·泰勒)

正iFly:近年来,波音公务机(BBJ)开始发力快速崛起的亚太市场,尤其是中国市场,目前市场表现如何?Taylor:市场培育有一个发展过程,在BBJ最初成立的时候,北美是我们最重要的市场,随后慢慢扩展到中东,俄罗斯曾经也是一个新生的市场。现在,作为单一市场来说,中国是最大,也是最重要的市场之一。从2013年的销售情     

一种基于STL-Prophet-Informer模型的太阳电池阵多变量趋势预测方法

为了提高太阳电池阵多变量预测的精度,解决阳电池阵遥测参数存在周期波动与增长性互相耦合的问题,提出一种基于STL-Prophet-Informer模型的太阳电池阵多变量预测算法.该算法首先应用局部加权周期趋势分解算法(seasonal and trend decomposition procedure based on loess, STL)对太阳电池阵的多个参数分解为趋势分量、周期分量和残差分量,然后采用对趋势性数据预测效果较好的Prophet预测趋势分量,Informer模型预测周期分量和残差分量,最后将各分量预测结果相加后得到总的太阳电池阵参数预测值.以某卫星太阳电池阵实际遥测数据做算例分析,提出算法的各项误差评价指标和单一的Informer模型、LSTM模型等相比有明显减小,将该组合预测模型用于太阳电池阵多变量参数预测中,可以提高参数预测精度,提升卫星自主运行性能.     

舰载高级教练机动力发展途径与未来趋势

为探索舰载高级教练机动力发展途径与未来趋势,综述了高级教练机发动机发展的3个阶段,重点分析了舰载高级教练机对配套动力的使用性能要求和国外舰载高级教练机发动机现状。研究发现:舰载高级教练机配套动力应根据飞机平台动力的需求,在成熟涡扇发动机的基础上围绕长寿命、宽包线、低油耗、强性能保持、易保障维修及“适海性”等相关要求进行改进研制,或选择一款成熟的舰载战斗机动力降状态使用,并且未来将向更大推质比、更低耗油率、更大提取功率、更长使用寿命和飞发一体化设计的方向不断发展。     

飞机栅格零件SLM成形过程的变形演化仿真研究

栅格零件是某型无人机中的关键功能结构,形状复杂,形貌精度控制要求较高,非常适合采用激光选区熔化(SLM)工艺进行制造。利用华中科技大学研发的iAdditive仿真软件对栅格零件的SLM成形过程进行仿真分析,对支撑与关键塑性变形位置的分区打印策略进行了设计和优化。结果表明:通过仿真模拟可以迅速获得SLM成形过程中的关键塑性变形位置,通过分区设计可以使关键堆积层的变形量减小大约60%;通过对比支撑切除之后的模拟结果与试验结果,两者之间的变形趋势和变形数值吻合良好,最大变形处在中间栅格区域,变形量约为2.0mm。     

基于区域缠绕法的复杂型体轨迹规划研究

针对参数化缠绕方法不适于复杂型体缠绕轨迹规划的问题,提出了区域缠绕法。该方法通过对纤维缠绕受力分析,基于网格理论和局部趋势面理论,建立了纤维稳定缠绕数学模型,并给出了算法实现流程,为纤维缠绕复杂型体提供理论基础。     

辅助动力装置的应用现状和发展趋势

辅助动力装置(APU)是装在飞机上的一套不依赖机外任何能源、自成体系的小型发动机。本文介绍了辅助动力装置的发展历程,分析了先进辅助动力装置的技术特征,总结了可靠性不断提高、循环参数逐步提高、APU与EPU组合和综合、注重低噪声和低排放的环保要求等发展趋势,对发展辅助动力装置提出了几点看法。     

基于SMO—SVR的飞机舵面损伤故障趋势预测

飞机舵面出现损伤时,为了更准确的预测状态参量变化情况,提出了一种改进的序贯最小优化支持向量回归(SMO-SVR, Sequential Minimal Optimization Support Vector Regression)预测方法.采用改进C-C平均方法对多元时间序列进行相空间重构,以确定最优嵌入维数m和延迟时间τ_d.根据所求m和τ_d建立加权SVR预测模型,并调整了SMO算法的停机准则.利用区间自适应粒子群算法(IAPSO, Interval Adaptive Particle Swarm Optimization)优化SVR参数,以提高参数优化速度.为了验证改进算法的有效性,针对飞机方向舵损伤故障趋势进行了预测和分析,并与径向基函数神经网络(RBFNN, Radial Basis Function Neural Network)方法进行了对比,仿真结果表明SMO-SVR预测模型具有很好的预测能力.     

滑油光谱分析的时序建模与故障预报研究(英文)

讨论了时序建模与预测方法在机械设备滑油光谱分析中的应用。通过运用 AR模型对采集的航空发动机滑油光谱数据进行时序建模和预测分析 ,获得了满意的效果。在机械设备的滑油监控领域 ,对其光谱数据采用时序分析目前尚不多见。这一成果 ,为机械设备的状态监控和故障预报提供了一种实用的方法。     

趋势分析法在卫星在轨管理中的应用

深入研究趋势分析方法在卫星在轨管理中的应用,可以弥补长期以来运用参数门限方法发现异常的缺点,帮助在轨管理人员了解卫星重点部件的性能变化,及时发现相关部件的在轨异常,提高其专业分析能力。文章以范例的形式,利用趋势分析方法针对卫星重点部件的遥测参数进行了分析,并得到星上是否异常的结论。