自适应变结构神经网络在航空发动机故障诊断上的应用

根据样本空间的内积特性,提出一种无需迭代学习的自适应变结构神经网络。它的特点是学习速度快,准确性高,且能根据出现的新样本,随时改变结构。在对某型航空发动机故障诊断中,比原软件包采用的方法在准确性方面有显着提高,而且维护工作量减少,并具有实时处理能力,因此有着良好的推广应用前景。      

人工神经网络在CAPP系统开发工具中的应用

探讨了基于神经网络理论在ＣＡＰＰ系统开发工具的应用;建立了工艺过程设计系统的ＡＮＮ模型;详细讨论了工艺过程设计系统的推理机制,并给出了用集成ＢＰ网络选择加工方法及通过改进Ｈｏｐｆｉｅｌｄ网络确定工艺路线的过程。     

用固体吸附/分光光度法同时监测空气中的肼、一甲肼和偏二甲肼

介绍了用一甲肼浓缩采样采集空气中三肼混合气体,用分光光度法分别测出肼、一甲肼和偏二甲肼各组分的含量。测定结果通过标准气验证,相对误差小于１７％,各组份回收率均大于８０％。本方法适用于空气中低浓度三肼废气的测定。     

融合注意力机制的航天器重建信号异常检测

针对航天器遥测数据异常检测时先验知识缺失、难以进行有监督条件下机器学习的问题,提出一种融合注意力机制的航天器信号智能异常检测算法。首先,通过注意力机制捕捉航天器遥测数据长距离特征,分析注意力关系矩阵为异常溯源提供指导。其次,采用堆叠自动编码器压缩数据维度并基于此重建输入信号,利用输入信号与重建信号间的残差获取误差重构序列。然后,基于窗口阈值法标记误差重构序列异常索引,实现航天器遥测信号异常检测。最后,通过多通道航天器遥测信号算例验证算法在提高航天器遥测信号异常检测性能与可解释能力的有效性。     

基于循环神经网络的惯导重标期预测

现阶段,由于惯导标定技术研究主要集中在误差参数估计方法、惯导标定精度分析方面,较少涉猎惯导的标定周期,导致业内简单地将惯导的标定可靠性作为重新标定的周期.本文以循环神经网络技术为基础,对惯导关键数据进行分析,预测激光捷联惯导重标需求的方法.通过对多台惯导历史数据的回归验证发现,通过使用基于循环神经网络技术等人工智能手段...     

混合高斯测量噪声下的多模型滤波

就带有混合高斯测量噪声的离散时间系统 ,提出了一种简化的多模型滤波。理论分析证明该滤波方法用较少的计算量得到了与交互多模型滤波相同的估计性能。为满足应用要求 ,给出了该滤波器的数值鲁棒实现方法。一个关于仅有方位测量的制导例子验证了该滤波算法的有效性。     

基于EEMD和BiLSTM的航班准点率预测研究

航班准点率问题是民航业最为关心的问题之一,准确地预测出航班的准点率能够有效降低航班延误所带来的不利影响、提高乘客满意度。为解决普通深度学习预测模型存在的航班准点率数据挖掘程度不足、预测准确度较低的问题,提出一种基于集合经验模态分解法(EEMD)和双向长短时记忆神经网络(BiLSTM)的机场短期航班准点率预测模型。模型使用EEMD算法将准点率时间序列进行分解,采用BiLSTM结构作为预测模型,使模型能够更深层、高效地处理航班准点率数据,提高预测准确度。实验数据为2018年上海虹桥机场航班准点率及天气数据,实验建立了多个参照模型与所提模型进行对比分析。结果表明：提出的EEMD-BiLSTM模型相较于一般模型预测误差更小,准确度更高。     

基于数字地形的机场终端区离场航迹预测

高效准确的航迹预测能够掌握飞机的运行轨迹,是空管自动化与智能化领域的关键要素,旨在提高空中交通的运行能力和可预测性。针对高原机场终端区内离场航空器运行,通过挖掘大量历史数据的特征关系,提出基于长短时记忆(Long Short-Term Memory, LSTM)神经网络的航迹预测模型。此外,考虑高原机场复杂的地形环境使得离场航空器安全运行条件更为严苛,引入支持向量回归(Support Vector Regression, SVR)算法建立数字地形模型,得到离场航迹上经纬度所对应地形高度的剖面图。采用拉萨贡嘎国际机场的真实离场航迹与地形数据进行实例验证,结合地形条件对所预测离场航迹的安全性进行评估。实验结果表明：基于LSTM神经网络建立的离场航迹预测模型具有较高的精度,且离场航空器能够实现满足最小超障余度的安全运行。     

基于改进雅克比–旋量模型的航空发动机转子–叶片结构装配精度分析

转子–叶片是航空发动机的核心部件,具有装配结构复杂、装配难度大等特点,在高温高压条件下,转子–叶片装配误差被催化放大,容易导致疲劳裂纹等故障,严重影响整机安全性和可靠性。针对转子–叶片结构,传统的装配偏差分析方法常采用多特征并联结构中的一条支链作为单一主链来建立偏差传递模型,难以综合考虑转子–叶片复杂定位结构和局部并联关系。本文提出了基于改进的雅可比–旋量（Jacobian–Torsor,J–T）模型的转子–叶片装配偏差分析方法。首先分析了转子–叶片多级回转结构、止口定位结构和榫头榫槽结构,建立了考虑转子–叶片多特征局部并联关系的整机装配尺寸链;然后采用不完全定位策略将转子–叶片装配结合面表达为基于点接触形式的偏差旋量,建立了基于定位点系统的转子–叶片联合定位基准方案;最后提出转子–叶片装配精度指标及基于改进的雅克比–旋量模型的求解方法。以某航空发动机转子–叶片的径向、轴向和周向装配偏差分析为例,将传统雅克比–旋量模型、基于蒙特卡洛法的仿真模型、改进雅克比–旋量模型及实测结果进行了对比分析。结果表明,本文方法相较其他方法预测精度更高,与实测结果误差率不超过9%,提出了榫头榫槽更合理的装...     

BP神经网络预测复合材料热压罐成型均匀性

复合材料热压罐成型过程中的固化度差值是复合材料固化度均匀性的主要表征参数之一。基于3层BP神经网络,以复合材料双平台固化工艺曲线的加热速率、保温时间和保温温度为输入参数,建立了成型过程任一时刻最大固化度差值的快速估算模型。仿真复合材料热压罐成型过程,得到最大固化度差值作为试验样本数据,对BP神经网络进行训练,训练结束后对该模型的准确性进行验证。结果表明:该BP神经网络估算模型准确性和效率较高,为复合材料热压罐成型最大固化度差值的估算提供了一种快速有效的新方法。