煤基喷气燃料代用组分神经网络混合构建方法

为了建立航空燃料的喷雾模型,用于高保真液雾燃烧数值模拟,提出了基于人工神经网络混合模型的煤基喷气燃料代用组分构建方法.基于这一构建方法,重点针对煤基喷气燃料的雾化特性,利用多组分混合燃料的理化性质数据库对神经网络进行训练,获得了混合燃料理化性质隐式预测模型,结合随机投点优化方法,构建出能够很好地模拟煤基喷气燃料目标理化性质的代用组分.结果表明:该代用组分包含了5种碳氢化合物成分,摩尔分数为11.46%正癸烷、23.29%正十二烷、49.87%正十四烷、6.66%异辛烷和8.72%甲基环己烷.通过雾化特性实验,验证了代用组分对真实燃料雾化性能的模拟效果.该代用组分构建方法可以较好地解决混合燃料模拟过程中的非线性问题,通过改变目标理化性质可构建出相应代用组分.      

航路网络生成及优化

空中交通流运行的安全性和成本取决于航路网络结构。基于节点度实现航路网络枢纽节点和干线节点分层,利用全局耦合生成主干网络,运用距离连接概率实现干线节点社区化,采用连接概率生成社区网络;采用DBSCAN聚类算法,基于角度和距离实现航路网络优化;以中国大陆空域为例,实现了主干航路网络和局部干线航路网络的生成及优化,验证了方法的可行性。在与相关研究对比,基于节点度的枢纽节点选取更加客观合理,所构建的分层航路网络结构符合机场点的分布特性,采用DBSCAN聚类算法优化效率明显提高。     

混合总线测控系统在R0110燃气轮机低排放试验中的应用

针对R0110燃气轮机低排放试验内容的要求,提出了对试验平台的测试与控制系统的设计方案,并详细介绍了该试验平台测试系统与控制系统的硬件与软件结构和功能的实现,其中通过利用混合总线方式将原测试系统与新测试系统相结合,扩展了试验器的测试能力.根据试验中多路燃料供给规律的要求,提出燃料供给手动、自动2种控制方式,进一步提高了试验控制上的智能性.在自动控制程序设计中,充分考虑了燃料供应的风险,并制定了相应的处理方案,保障了试验的顺利完成,而且提高了该试验器的智能化水平和整体测控能力.     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

面向全疆域设计需求的某涡轴发动机核心机转子减重优化

为满足某涡轴发动机平原、高原、高寒以及海洋环境下的全疆域设计需求,综合采用尺寸优化和拓扑优化对核心机转子盘体形状进行了减重优化。首先提出了一种基于本征正交分解的径向基神经网络代理模型构造方法,通过在关键区域补充采样,在样本总数相当的前提下,提高了寻优效率,缩短了优化所需的时间。利用该方法对核心机转子盘体尺寸进行优化,优化后结构重量减轻,应力分布和强度储备更趋合理。然后采用变密度法对涡轮盘螺栓孔附近区域进行拓扑优化,得到一种带凸耳形状的螺栓孔创新构型,解决了由于优化后盘体减薄而导致的螺栓孔应力上升过多的问题。结果表明：在转子强度、寿命满足规范要求的前提下,优化后的核心机转子减重15%,满足了全疆域设计需求对转子重量的要求。     

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。     

通信信号调制识别综述

随着频谱信息资源愈发紧张,信号的调制处理方式也愈发多样化.由于通信信号的调制识别广泛应用于民用和军用领域,所以,对调制方式进行识别的研究具有极其重要的意义与战术价值.首先,根据大量文献,对基于最大似然函数和特征提取的经典调制识别方法进行了系统地梳理;其次,从常用数据集、深度神经网络结构和现有识别算法等方面,着重介绍了深...     

神经网络模型在压气机通流特性分析中的应用

为了解决通流特性分析程序中原始模型对压气机性能预测精度不足的问题,提高压气机通流特性分析过程的可靠性,基于对大量多圆弧叶栅的数值模拟结果建立了压气机叶栅性能数据库,并以该数据库为依托,采用神经网络建模方法建立了压气机叶栅基准损失系数和基准落后角模型。结果显示:两模型对叶栅基准损失系数和基准落后角的预测精度均满足工程应用要求,其精度分别为±0.002和±1°。在对采用神经网络模型的通流特性分析程序校验过程中发现,其无论对压气机整机性能还是对流动细节的预测精度上都获得了显著提高,尤其是在主流区。此外从压气机整体特性上看,基准损失系数和基准落后角精度的提高对非设计工况损失系数和落后角的预测精度影响是积极的。      

基于ARCN模型的轴承故障诊断

提出注意力循环机制与胶囊网络融合的注意力循环胶囊网络（ARCN）的诊断模型。提取时序特征信息构建初级胶囊;自适应融合路由机制、注意力循环机制构建数字胶囊特征;基于西储大学轴承实验数据,验证了ARCN模型的准确率、鲁棒性、稳定性、收敛误差,其准确率相比Caps模型识别准确率提高1.2%、收敛误差达到0.2。基于实验仿真平台,采集正常、内环故障、外环故障和滚动体故障的振动信号,并通过小波基变换获取的时频图构建ARCN模型的数据集。仿真实验结果表明:ARCN模型下,每类故障被误诊的概率不超过总样本的1%。      

通信导航融合定位技术发展综述

详细分析了蓝牙、Wi-Fi、超宽带、移动通信网络等多种无线网络通信导航融合定位技术的发展现状,并阐述了其面临的挑战,提出了多网融合方法可以提升室内无缝高精度位置服务的可靠性。利用5G移动通信网络,与北斗/GNSS卫星导航系统结合,可以实现相互增强。最后,从天地一体定位导航与授时体系和仿生通信定位导航两方面介绍了通信导航融合定位技术的未来发展趋势。