非线性方程迭代算法收敛性分析

从几何上分析了迭代格式xn+ 1=φ(xn)所产生的序列收敛于方程根的收敛条件 ,导出了不依赖函数可导性判断迭代序列收敛的收敛定理 ,给出了产生收敛的迭代序列的技巧。     

基于多元极值Copula的尾流飞行风险概率评估

在尾流问题日益突出的背景之下,结合人-机-环复杂系统建模与多元极值理论,评估遭遇近距近地尾流情形下的飞行风险概率。基于蒙特卡罗法提取尾流极值参数,验证了一维极值参数符合广义极值（GEV）分布;在此基础上提出了二维极值参数的双参数变权重（DPAVW） Copula模型,利用自适应区间粒子群优化（ARPSO）算法对目标函数中的未知参数进行了辨识,拟合优度检验的结果表明DPAVW Copula模型具有比其他Copula模型更高的精度;在利用Copula模型对尾流三维空间中所有二维极值参数进行描述的基础上,求出了每个网格节点上对应的飞行风险概率值,构建了尾流场内二维及三维可视化风险概率图。所提方法是对飞机系统安全性评估理论与方法的有效补充,对于尾流场内的导航控制与风险规避、机场起降的尾流安全间隔改进、环境风险可视化等研究方向有一定的参考价值;同时也适用于不同状况下飞行风险概率的横向对比分析。     

基于周期性边界条件的机织复合材料多尺度分析

针对平纹机织复合材料,首先从微观纤维直径尺度,采用三维实体有限元方法计算纤维束的等效性能参数。然后将这些参数代入细观尺度的机织单胞模型中,得到宏观结构的平均弹性常数。在两个尺度有限元的分析中,均摒弃了传统有限元分析中采用的等应力或等应变假设,引入周期性边界条件,同时保证了周期性单胞边界面的应力连续和位移连续。分析结果表明,对于机织周期性单胞,在剪切和拉伸情况下其边界面均不全部保持为平面,纠正了此前认为在拉伸情况下单胞边界面仍保持平面的错误假设。纤维束分析结果与使用实验修正参数的细观力学理论公式结果吻合良好,织物单胞的分析结果也与弯曲层板组合模型结果较为接近,证明了分析方法的正确性。     

发动机故障诊断的MONTE CARLO通解算法

给出了发动机故障诊断的 Monte Carlo通解算法,该算法可以有效地解决发动机故障诊断算法中由于故障方程存在多重共线性所引起的误诊、漏诊与多解问题。首先给出求解故障方程的 Monte Carlo算法,该算法能够保证得到满足故障方程的全部合理解;能够简单地用于各种故障相关性准则 (例如各种残差向量范数准则 )以及亚定故障方程的求解问题;并且算法简单易行,无需为每个特定情况专门编制计算程序。其次提出了基本解与通解的概念,并且给出了利用主成分分析与利用主因子模型求基本解的两种有效算法。利用基本解与通解算法可以将由于多重共线性引起的复杂故障诊断结果表示为简单明了的形式,有利于对诊断结果作出正确决策。用计算机模拟方法对算法的有效性进行了分析,对于 JT9D发动机气路方面的 2 4个实际故障样本,所给出的算法的确诊率为 86%～ 92 %     

基于峭度熵与分层极限学习机的动量轮轴承故障诊断研究

动量轮是卫星姿态控制系统的关键部件,其可靠性直接关系到整星寿命与安全.作为动量轮的核心组件,轴承易于发生故障,且独特结构和复杂运行环境导致监测信号信噪比低,早期故障诊断困难.针对这种情况,对变分模态分解和峭度熵结合的特征提取方法进行研究,获得动量轮轴承监测信号中的微弱故障特征,并建立特征向量.引入分层极限学习机,对结构...     

基于极限学习机的黑障区智能导航算法

在黑障区飞行阶段中,惯性导航系统会因缺少辅助导航系统而持续累积误差,导致飞行器导航系统可靠性下降。针对这一问题,提出了一种新的基于极限学习机的黑障区智能导航算法,通过极限学习机(ELM)对GPS正常工作的导航信息进行学习。在黑障区,利用学习得到的模型对惯性导航系统进行误差补偿,较好地修正了当GPS失锁时惯性导航系统的误差,避免了因误差累积而导致的导航信息发散。仿真结果表明,该算法能够保证在GPS失锁的黑障区中导航系统输出的信息有较好的可靠性和精度,能够为接下来的姿态调整和着陆准备提供良好的基础。     

平面磨削形状误差的分析

提出了平面磨削形状误差的产生模型,并通过实验验证了其模型的合理性,同时揭示了各种要素对形状误差的影响规律,选定了能使形状误差最小的磨削加工条件。     

远程实时监控技术在飞机维修中的应用研究

远程实时监控技术是目前国内外航空公司十分关注的,它不仅标志状态监控技术的发展,而且它的应用必将加强航空公司的安全和获得更大的效益,并简要介绍了该项技术研究情况和所遇问题。     

机载产品环境试验设备使用条件研究

论述了机载产品环境试验设备的技术现状和发展趋势,根据主要环境试验项目分类列举了常见机载环境试验设备的使用工艺需求,为环境试验厂房的设计提供参考。     

引入稀疏原子特征融合的滑动轴承摩擦故障状态监测

从信息融合理论出发,将特征的稀疏表达作为特征融合参数,提出一种结合K奇异值分解(KSVD）和最大相关最小冗余准则(mRMR）的轴承摩擦故障特征融合算法。该算法采用KSVD对信号稀疏化,将稀疏系数对应的字典原子作为特征融合的参数,用以表达非线性故障信息;针对字典原子集的优化选择问题,基于互信息的mRMR提出一种确定最优原子集的原子数目的准则;最后,通过最大化原则融合稀疏系数,提取故障状态监测的有效信息。轴承摩擦故障模拟实验的结果表明,所提方法能够更好地融合不同特征的故障信息,相比于单特征和其他融合特征方法,提高了约12%的故障识别率。