基于层次分析法的飞行模拟训练评价体系设计

为科学完善地描述飞行模拟训练中的应急处置程序,提升飞行员专业驾驶技术水平,本文提出飞行模拟训练评价体系,并通过层次分析法构造3阶判断矩阵,检测矩阵一致性指标为0.037,具有可接受性;并采用关联度进行数据分析量化计算,为飞行训练考核标准奠定理论基础。     

改进小波阈值去噪法在管道泄漏检测中的应用CSCD

基于负压波式的管道泄漏检测方法中,需要解决的核心问题之一是对负压波信号的去噪。在分析了利用小波变换理论与小波阈值去噪的基础上,对传统的硬阈值和软阈值函数、双曲型和指数型函数与改进的阈值函数算法进行了对比。实验表明,改进算法在处理管道泄漏检测中,对检测的负压波信号能够获得较大的信噪比,具有较好的去噪能力,能有效提高泄漏检测精度。     

判断矩阵的最少元素构造法

在层次分析法中构造判断矩阵并使判断矩阵具有一致性是非常关键的。为减少正互反矩阵两两比较的复杂性,降低计算难度,从判断矩阵的构造入手,首先确定相对独立的主对角线上(下)侧元素,而非独立元素就按照一致性原理计算。利用最少的元素构造判断矩阵,使构造矩阵过程简洁,效率提高,满足一致性的要求。     

基于脉冲变压器变换的自动化电磁铆接设备

分析了电磁铆接设备的主电路的主要方式的特点,对采用脉冲变换方案研制的电磁铆接设备原理、实现方法进行了分析,将研制的设备集成到自动化铆接末端执行器中.并进行了铆接工艺试验.     

基于T-S模糊模型的模糊大系统的混合滤波

针对非线性大系统内部过程参数的检测估计,采用连续模糊大系统模型,利用lyapunov定理和分布式处理方法,给出了模糊大系统的H2/H∞混合滤波器设计方法。该方法在保证滤波误差系统全局稳定的同时,具备了H2/H∞性能。通过求解线性矩阵不等式,可以得到滤波器参数。最后,用一个数值例子验证了该方法的正确性和有效性。     

基于μ分析的高超声速飞行器再入轨迹评估

为解决高超声速飞行器再入过程中存在的不确定性问题,将μ分析理论应用到标称再入轨迹的评估中.采用线性稳定储备准则,在密度、升力系数和阻力系数存在不确定性时,对标称轨迹在制导律下的制导稳定性进行了分析;根据所获得的最坏参数组合,采用系统的开环尼克尔斯曲线验证了μ分析的结果;分析了系统所能容纳的最大不确定性参数,并研究了系统对不同不确定性参数的敏感性.结果表明:在密度、升力系数和阻力系数不确定性中,阻力系数对该标称轨迹的鲁棒稳定性影响最为明显.     

强不确定系统“全系数之和等于1”的实现方法

摘要： 研究强不确定系统“全系数之和等于1”的实现方法，强不确定系统指的是系统的静态增益及其界不完全确知且范围较大.“全系数之和等于1”是吴宏鑫院士20世纪80年代发现的，该原理表明，对于未知连续系统，其离散化系统的系数的和在一定条件下是1.该原理的发现对于解决闭环辨识和自适应控制的瓶颈问题具有关键作用.“全系数之和等于1”是在一定条件下成立的.为了实现系统的“全系数之和等于1”，需要对系统进行一定的变换，以满足所需条件.其中，采用静态增益的标称值的倒数进行输入变换的方法在实际中得到了广泛应用.但是，当系统的不确定性较大时，该变换将带来较大偏差.针对该问题开展了深入研究，明确给出了系统静态增益的不确定性与标称值的比值的关系对于实现“全系数之和等于1”的影响.当不确定性与标称值的比值较小时，可以近似实现“全系数之和等于1”；当比值较大时，进一步给出了通过选取合适的采样周期，近似实现“全系数之和等于1”的方法.本文的研究对于特征模型理论在实际中的应用提供了一定的基础.     

基于模糊综合评价模型的航班延误评价探究

<正>CCA本文通过南京地区机场和航空公司专业人员的相关调查分析统计,将航班延误的主要诱因和各诱因的影响强度进行研究,结合专家意见,采用模糊数学方法确定各级指标,从自然资源、环境限制、人的因素、设施设备、管理及信息等5个方面建立起航班延误评价指标体系和模糊综合评价模型。研究结果表明,南京地区的航班延误情况得分是68.33分(满分100),还需要采取相应措施来提高航班的准点率。     

基于非线性变换的加速度计误差标定与补偿CSCD

为提高三轴加速度计测量精度,分析其误差来源和产生机理,建立了误差模型;根据误差模型和重力场幅值不变特性,推导出非线性观测方程。引入两个未知的参数向量,通过数学变换把非线性观测方程变形为关于新未知参数的线性方程;然后采用批量最小二乘法求出新的未知参数,并根据误差模型参数和新未知参数之间的关系,利用逆解析运算求出对应的零点偏差、灵敏度误差和三轴不正交误差。实验结果表明,加速度计正负误差峰值间距可以减小100倍左右,精度可达10-3m/s2,并具有很好的可重复性。该方法算法效率较高,补偿效果显著。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。