基于模糊理论的碟形飞行器复合控制分配策略

针对碟形飞行器变质量矩/推力矢量复合控制系统,研究了以输出误差和误差变化率为参考量及基于模糊理论的控制分配策略。仿真表明,这一设计能够实现两种控制方式的优势互补,达到了良好的控制性能。     

基于复杂网络的舰艇编队信息关系结构评估

通过引入复杂网络中的网络分析模型,建立了一个用于评价舰艇编队信息关系结构的模型,并从网络拓扑结构的角度对舰艇编队信息关系结构进行了实例分析。所建立的模型可以从多个角度对舰艇编队信息关系结构进行评价,这为海上舰艇编队通信组网提供了一种新的评价思路。     

DS/FH混合扩频快速捕获技术的研究

在DSFFH混合扩频通信系统中,快速捕获是一个非常关键的技术。通过采用快速扫描和等待式相结合的方法用来实现跳频信号的快速捕获,利用神经网络技术实现直扩信号的快速捕获,通过这2种方式,就可实现DSFFH混合扩频的快速捕获。     

Envelope protection for aircraft encountering upset condition based on dynamic envelope enlargement

Upset condition encountered by an aircraft in flight could pose great threat to flight safety, which is of chief importance in civil aviation. The causal factors have the nonlinear and multiple characteristics, and as a result the conventional envelope protection system cannot successfully do with the condition. So dynamic envelope based on differential manifold theory, which can take more coupling factors into account, is proposed as a basis to design a novel envelope protection system. Then the relationship between the dynamic envelope and the control coefficient or pilot command is obtained, and the result shows that the dynamic envelope can be enlarged with the change of control coefficient. Furthermore, quantification of flight security is realized via defining relative distance between flight state and dynamic envelope, which can detect whether there is a risk for an aircraft in flight. Finally, an envelope protection system based on dynamic envelope enlargement is proposed on the basis. NASA’s Generic Transport Model encountering hazard gust wind in climbing phase is taken as an example to verify the system’s feasibility. The result shows that the system can give a better operation encountering upset condition and to a certain extent reduce the number of accidents or incidents.     

音频信号矢量编码算法

为了在保证译码恢复的声音质量良好的前提下,减小编码的压缩率,以减小声音信号的存储空间,提出了一种将线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号编码算法,将1列声音信号转换为2列信号,这样就可以进行后续的矢量编码。实现了预测编码和矢量编码的结合。利用Matlab软件编程进行了声音信号编解码实验。实验结果表明,在保证声音质量的前提下,该编码方法的码率小于MEPG-1 Layer3的最低的64kbps标准码率,且算法简单。文章提出的编码算法在音频压缩编码方面将具有较高的研究价值和很好的应用前景。     

叶片飞脱下转子动力学响应实验

为了研究大涵道比涡扇发动机叶片飞脱时动力学响应,更好地进行发动机安全性设计,根据相似理论设计了包含叶片飞脱装置的突加不平衡实验系统并进行了实验验证。研究结果表明:设计的突加不平衡实验系统,与某型验证机相似度高,代表性强,能够有效可控地进行突加不平衡实验,重复性好,机理清晰且飞脱不平衡量大,能够真实地模拟发动机叶片飞脱响应。通过实验发现,当大突加不平衡发生时,频谱出现超次谐波并且冲击系数由于挤压油膜阻尼器限幅作用并不呈现线性关系,因而在后续研究中还应注意限幅导致的碰摩问题。      

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。