面向任务的空间信息网络体系结构可重组设计

针对空间信息网络体系结构设计和其使命任务的多重性、多维性的问题,提出了一种体系结构可重组设计方法。首先,介绍了空间信息网络及其体系结构的国内外发展现状,分析了研究空间信息网络体系结构可重组设计的需求。其次,结合空间信息网络的概念、结构和特征,建立了松耦合、兼容性、隔离性和可解构的可重组设计原则。同时,定义了管理中心（RMC）和资源中心（RRC）的内涵,分析了RMC和RRC的运行机制,从目标、拓扑、实体、数据、方案5个维度出发提出了一种形式化的可重组网络体系结构模型,并给出了可重组网络体系结构的实现算法流程。最后,以某反导作战活动为例进行了体系结构可组构设计的案例分析,基于STK平台进行可重组网络的仿真演示,着重展示和验证了可重组设计思想在实践中的具体应用,达到了预期目的。     

民机维修任务分析的人因可靠性预测模型

人为因素作为人机关系中的重要环节,是影响民航安全的关键因素。定量分析机务人因可靠性水平对于减少无意识犯错、保障飞行安全具有重要意义。根据NASA建议开发出一套THERP+CREAM结合的模型,针对民航特点对THERP数据表进行优化处理,采用模糊贝叶斯网络与CREAM结合的方法确定机务维修人员的认知控制模式,利用平均权重因子将THERP的预测值嵌入CREAM,实现两代方法的结合,以提高机务人因可靠性预测的精度。研究结果表明：通过对某航空公司某维修小组的调查,证实了所提的THERP+CREAM预测模型能够较好地预测机务人因可靠性水平,实现了依据维修手册中的维修任务,即可进行人因可靠性分析,为研制单位维修任务分析中的人素分析提供了一个定量评估方法。     

基于卷积双向长短期记忆网络的轴承故障尺寸估计

基于振动监测数据的航空发动机滚动轴承损伤大小识别,对于研究滚动轴承故障演化、故障预测和故障诊断具有重要意义。针对传统模型对先验知识依赖性高、特征提取不充分、故障尺寸训练类别有限等问题,提出了一种基于深度学习的滚动轴承损伤尺寸预计方法,能够对训练过程中未出现的中间尺寸进行准确识别。在经典模型的基础上,搭建了一种深度卷积网络与长短期记忆网络组合模型,该模型可对轴承振动信号的多维特征与时序特征进行充分提取,实现轴承故障的智能和高效诊断。最后,利用滚动轴承加速疲劳试验机,进行了多种转速与损伤尺寸下的滚动轴承故障试验,基于试验数据进行了方法的比较,结果表明,该组合网络的在正常和加噪的情况下预测精度分别达到99.94%和98.67%,较单独的深度卷积网络、长短期记忆网络及其他模型精度更高,比较结果充分表明了本文所提方法的优越性。