基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

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%。      

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

基体合金相组成对硼化物增强镁锂基复合材料组织和性能的影响

采用原位合成法制备了硼化物增强Mg-Li基复合材料。针对基体为Mg-14Li-1Al-1Y的复合材料力学性能仍不能满足工业应用需求的缺陷,以Mg-9Li-1Al-1Y镁锂合金为基体制备了硼化物增强镁锂基复合材料(其成分为(Mg-9Li-1Al-1Y)-6B_4C)。研究了Li含量对基体合金和复合材料组织和性能的影响。试验结果表明:合金Mg-9Li-1Al-1Y与合金Mg-14Li-1Al-1Y相比,其双相区组织晶粒更加细小,各力学性能均有所提高。(Mg-9Li-1Al-1Y)-6B_4C复合材料与Mg-9Li-1Al-1Y合金相比,硬度提高了66%,抗拉强度提高了31.33%,伸长率降低了15.5%。(Mg-9Li-1Al-1Y)-6B_4C与(Mg-14Li-1Al-1Y)-6B_4C相比,屈服强度降低了15.4%,硬度提高了29.3%,抗拉强度和伸长率基本保持不变。以上试验结果表明:随着Li含量的降低复合材料的力学性能没有得到提高,没有实现基体合金强度增加从而相应复合材料强度增加的试验预期,说明相比镁锂基复合材料强化机制中第二相强化与细晶强化的作用,基体强化作用较弱难以体现。     

扩散连接界面缺陷对Ti-6Al-4V合金力学性能的影响

研究了φ4mm与φ2mm的扩散连接界面缺陷对Ti-6Al-4V合金力学性能的影响。当拉伸载荷方向与缺陷平面平行时,材料的强度与塑性与无缺陷材料相当,这是由于此类缺陷对样品受力截面的面积几乎没有影响。含有φ4mm缺陷试样的拉压疲劳寿命展现出很大的分散性,界面缺陷并未成为裂纹萌生的唯一位置。从表面起裂的样品均处于高寿命区域,而绝大部分从缺陷处起裂的样品均落于低寿命区域。有限元分析表明,当缺陷位于中心位置时其引起的应力集中较小,应力分布梯度较小;缺陷位于边缘位置时,应力集中效应增大。     

基于模型的民机液压告警系统验证方法研究

利用Simulink/Labview建立民用客机液压系统告警逻辑模型,通过注入顶层定义的根源故障获得可视化告警信息指示,符合设计分析结果,且具有故障叠加告警显示等优点,为验证复杂系统集成中面临的根源派生故障告警信息显示抑制和排序功能提供一种有意义的方法。     

基于网络编码的空间DTN中CGR改进算法

随着空间通信技术的发展,卫星节点的增多,以及容延迟容中断通信需求的不断提高,空间DTN (DelayTolerant Network,容延迟网络)环境中各通信节点间的路由技术日益重要,相继出现了多种适用于DTN的路由技术.基于空间DTN的结构与特点,对CGR(Contact Graph Routing,接触图路由)算法以及基于编码的路由算法进行了分析比较,然后针对空间DTN中CGR算法的缺点和不足,研究提出了基于NC(Network Coding,网络编码)的空间DTN中的CGR改进算法(NC-CGR),并通过仿真实验平台对算法性能进行了分析评估.仿真结果表明,相比于CGR算法,NC-CGR算法在链路传输时延、传输包裹数目、中继缓存大小、链路丢包率等不同条件下的适应性方面均表现出较大优势,更适用于具有复杂拓扑、带宽受限、高动态特性的空间DTN环境.     

深度自编码观测器飞机操纵面快速故障诊断

为了避免扩展多模型自适应估计故障诊断方法中的雅克比矩阵计算,解决飞机精确模型难以获得的问题,降低在线故障诊断的计算量,提出了一种基于深度自编码观测器的飞机操纵面快速故障诊断方法.基于离线训练、在线估计的思想,采用量测的飞行数据训练得到不同故障下的飞机模型,代替扩展多模型自适应估计方法的卡尔曼滤波器进行状态估计;基于基础自编码器的隐层节点数选取经验公式,推导了两种深度自编码器的隐层节点数选取的递推公式.仿真结果表明,该方法无需精确的飞机模型,故障诊断速度快、精度高.