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。     

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。     

民用飞机航材支援网络选址因素权衡方法研究

民用飞机航材支援网络作为主制造商为客户提供航材的必要媒介,合理地搭建该航材支援网络有利于提高主制造商的服务品质和客户运营能力。基于Kriging方法,提出一种定性与定量相结合的民用飞机航材支援网络选址因素权衡方法,对选址因素进行梳理和分类,获取选址定量分析数据需求,并运用所提方法进行民用飞机航材支援网络选址因素权衡,进而对选址因素进行重要度评价;将该方法与层次分析法、响应面法、蒙特卡洛法进行对比分析,以验证其有效性和适用性。结果表明：本文所提方法可有效进行选址因素重要度评价,为民用飞机航材支援网络的搭建奠定基础。     

基于云贝叶斯网络的运输飞机超轮速风险评估

起飞超轮速严重威胁飞行安全,为了有效评估运输飞机起飞时在不确定性因素影响下的超轮速风险水平,提出一种基于云模型和贝叶斯网络的评估模型。选取抬轮速度、总重、低压转子转速、抬轮率、抬轮时机、升降舵控制量、风的分量、总温8个指标,建立超轮速风险指标体系;运用基于启发式高斯云变换算法和正向高斯云算法的云模型,实现超轮速风险等级软划分和指标离散化,并确定各指标的先验概率;构建超轮速风险的贝叶斯网络,基于所建网络和节点信息计算节点后验概率,通过网络反向诊断得到超轮速的主要诱因。结合实际运行数据进行仿真验证,结果表明：评估结果符合实际情况,验证了模型的有效性。研究结果可为超轮速事件分析、民航运行安全风险管理提供理论依据。     

基于太阳黑子群数据的多模态太阳耀斑预报模型

当前的太阳耀斑预报模型主要通过统计关系建立,直接将从太阳黑子群磁图中提取的特征参量作为模型输入,系统的自主性低,导致图像数据中包含的与太阳耀斑相关的高阶抽象信息难以被充分利用,进而限制模型预报的精度。为解决当前太阳耀斑预报中数据利用不充分的问题,文章将海量太阳观测数据与先进的人工智能技术结合,综合利用太阳活动区磁场观测图、磁场特征参量和对应的耀斑事件标签,并借助全连接神经网络高精确率以及卷积神经网络高召回率和可有效提取高层语义信息的优点,构建基于深度学习的多模态太阳耀斑预报模型。实验证明该模型的主要评价指标结果比其他模型至少提高7.8%。     

基于无线传感器网络的低功耗目标探测系统设计与实现

基于无线传感器网络的目标探测系统利用磁场、振动、声音等环境参数的变化实现对移动目标的探测。针对无线传感器网络的能量受限问题,从传感器节点硬件选型、节点休眠设计、网络拓扑结构设计和数据传输协议设计等方面出发,进行系统低功耗设计优化。实验结果表明,该探测系统在传感器节点采用容量4 A·h锂电池,采样率10 Hz情况下,平均工作电流仅为3.78 mA,连续工作时长可达33天。     

迭代法求解航天器热网络方程的收敛条件与时间步长优化

热分析计算是航天器热设计验证和在轨温度预示的重要手段,其实质是对描述航天器在轨状态的能量平衡方程即热网络方程的求解。作为典型的非线性问题,航天器热网络方程通常采用迭代法求解,且目前尚无完善的理论可以判断迭代过程的收敛性和收敛条件。文章根据航天器热控设计的工程实际,提出一种可行的近似方法,实现了热网络方程的线性化;在此基础上对迭代法求解过程中的收敛性进行分析,确定了收敛条件下对节点热参数和时间步长的约束关系;并进一步分析时间步长与计算效率的关系,提出了以计算效率为优化目标的最优时间步长确定方法。最后通过某典型航天器热物理模型的计算验证了上述方法的正确性。     

基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流（EEJ）变化进行预测,其中神经网络训练数据为对应的2000—2007年磁平静期EEJ观测数据,输入参量为天数、地方时、太阳天顶角、太阳活动指数（F_10.7）、太阴时以及卫星地理经度,输出参量为EEJ.对EEJ预测结果进行了统计学分析,并且与实际观测结果进行对比.结果表明：BP神经网络对事件中EEJ的变化具有很好的预测能力,预测结果能够反映EEJ的重要分布特征;EEJ预测值与观测值之间具有很好的相关性,其中地磁台站观测值与预测值相关性系数可达85%以上.此外,将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比,结果显示BP神经网络与其经验模型性能相当.研究结果表明,BP神经网络技术在平静期EEJ变化预测方面性能优异,具有良好的应用前景.     

直流电机网络控制系统仿真

对直流电机网络闭环控制系统进行仿真分析,根据电机网络闭环控制系统原理建立仿真模型。对具有数据丢包的直流电机网络伺服控制系统输出响应特性进行仿真,比较系统分别采用PI控制及增益,可调PI控制方式时的输出特性。结果表明,相比常规PI控制增益可调PI控制方法在网络环境下具有更好的控制特性。该研究为网络伺服控制技术提供可靠的参考依据。     

Exploiting global information in complex network repair processes

Robustness of complex networks has been studied for decades,with a particular focus on network attack.Research on network repair,on the other hand,has been conducted only very lately,given the even higher complexity and absence of an effective evaluation metric.A recently proposed network repair strategy is self-healing,which aims to repair networks for larger compo nents at a low cost only with local information.In this paper,we discuss the effectiveness and effi ciency of self-healing,which limits network repair to be a multi-objective optimization problem and makes it difficult to measure its optimality.This leads us to a new network repair evaluation metric.Since the time complexity of the computation is very high,we devise a greedy ranking strategy.Evaluations on both real-world and random networks show the effectiveness of our new metric and repair strategy.Our study contributes to optimal network repair algorithms and provides a gold standard for future studies on network repair.