论民用航空器优先权

民用航空器优先权制度为民用航空法特有的制度,是民用航空器权利中的一项重要权利。民用航空器优先权是一种特种债权优先权,属于法定的、具有担保性质的物权。其设立的价值理念是追求实质公平正义、保护国家利益和公共利益及债权人共同利益、尊重和保护基本人权、保障航行安全、促进航空事业的健康发展以及保护债务人。在民用航空器权利体系中,民用航空器优先权人先于无担保的普通债权人以及民用航空器留置权人、民用航空器抵押权人优先受偿。     

宽带高效率E类功放负载网络的设计

依据“参数补偿压缩法”的原理，给出宽带E类功放电路，借助于电路优化理论设计出实际的宽带负载网络，制作出一个工作于30－90MHz，输出功率为7．6－10．2W，总效率为72％－84％的功放电路，实验证明，该宽带负载网络及其设计方法正确且实用。     

Ⅱ类盲降大雾天气显神戚 国航西南公司执管的39架飞机都可以进行Ⅱ类盲降

大雾天气再也不会长时间困住飞机了112月9日记者获悉，经民航总局华北管理局和西南管理局的联合审定后，国航西南分公司执管的39架飞机全部都可以在双流机场低能见度天气标准下运行Ⅱ类盲降．成都秋冬季节经常发生的低云多雾天气长时间。大面积延误航班的现象将得到极大缓解。记者在当天突发的大雾天气中．真切地感受到了Ⅱ类盲降的威力。     

考虑未知扰动的RLV再入鲁棒容错姿态控制

针对复杂再入环境下的可重复使用运载器姿态控制问题,考虑大气的未知干扰、气动参数建模的不确定性以及可能发生的执行器部分失效故障,基于增量反步法和径向基函数（RBF）神经网络设计了姿态角回路和角速度回路的控制器。基于神经网络良好的未知逼近能力,采用RBF神经网络对增量反步法设计过程中的泰勒展开高阶项以及上述未知扰动和故障产生的影响进行逼近估计,并在控制律中进行补偿。经过仿真验证,所设计的控制系统能够在未知扰动影响下有效提高指令的跟踪精度,并且对飞行器的本体特性建模依赖较少,具有良好的鲁棒容错能力。     

基于LASSO变量选择的航空发动机相似性剩余寿命预测

由于航空发动机监测变量众多,传统方法直接选取性能退化趋势明显的变量进行寿命预测,所以提出一种基于LASSO(least absolute shrinkage and selection operator)的变量选取方法,结合相似性寿命预测方法有效提高了预测精度。基于K-means聚类区分不同工况,对航空发动机多个监测变量根据聚类结果进行变量转换。基于LASSO方法选取最优传感器变量。基于相似性方法进行航空发动机剩余寿命预测。将基于LASSO的变量选取方法与传统的根据退化趋势大小进行选择的方法进行剩余使用寿命预测的结果进行了对比研究。结果表明：基于LASSO选取变量的相似性寿命预测误差的标准差在3种运行周期下分别减少了约1.84、3.46、4.23。     

基于机器学习的非定常流场网格自适应

现有针对非定常流场数值模拟的网格自适应方法,通常每隔一段时间步就进行一次网格调整,增加了计算复杂度和精度损失。针对这一问题,本文基于间断伽辽金（discontinuity Galerkin, DG）有限元法提出了结合BPNN(backpropagation neural network)和MMPDE(moving mesh partial differential equation)的非定常流场网格自适应方法。该方法首先采用DG有限元法对Navier-Stokes方程进行非定常计算,得到统计意义上的网格间断量;然后以初始网格和间断量训练BPNN回归模型,用于预测任意位置节点的间断量;接着使用MMPDE变分法移动网格节点,使其符合统计意义的间断量分布;最终通过Laplacian网格平滑法保证网格单元质量。圆柱绕流非定常流场算例的验证结果表明,该方法能够在不改变网格拓扑结构和不增加节点数的情况下完成一次性网格自适应,显著提高了非定常流场数值计算的精度和效率。     

基于多视角的民机正向设计建模方法

针对民机正向设计中存在的建模对象复杂耦合程度高、建模理论支撑不足、利益相关方需求缺乏模型描述等问题,提出了基于多视角的民机正向设计建模方法。首先,通过分析民机正向设计流程和基于模型的系统工程（MBSE）方法论,明确民机正向设计自顶向下的映射和关联关系;然后,引入多视角对民机设计流程进行多方位解耦与描述,分析各视角下的建模元素及其逻辑关系,将设计领域知识流与各视角下建模流程相结合,通过建模语言SysML对多个视角下的民机正向设计模型进行抽象建模描述;最后,通过舱压控制系统建模实例验证了本方法能够有效契合民用飞机系统的设计。     

多源数据融合与改进注意力机制的轴承智能故障诊断

单一传感器信号不能全面表达机械设备的运行特征且容易受到自身品质、性能的影响,为此本文提出了一种多源数据融合与改进注意力机制相结合的滚动轴承智能诊断方法。采集不同位置的传感器振动信号作为模型的输入向量,每一个传感器信号作为一个通道,将多通道信号同时送入模型特征输入层;引入改进注意力机制建立各通道和空间动态权重参数,随着模型训练,不断增强故障特征、弱化无用特征;运用深度卷积神经网络模型的卷积、池化等操作将多传感器信号进一步融合并提取故障特征,输出诊断结果。在进行滚动轴承故障诊断实验时,该方法诊断准确率达到100%,高于准确率最佳值为97.42%的单传感器。与其他方法相比,本文方法可以自适应融合多传感器数据以满足诊断任务的要求,具有良好的自适应性和鲁棒性,为滚动轴承的故障诊断提供了一种可行的方法。     

基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测

为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用 神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码（SAE）网络从高维传感器数据中提取健康因子（HI）,采用1维卷积神 经网络-双向门控循环单元（1D-CNN-BGRU）方法捕捉HI序列中的空间和时间特征,并引入自注意（SA）机制对捕捉的特征分配 权重,使用全连接层输出涡扇发动机剩余使用寿命（RUL）,以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结 果表明：利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评 分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机 维修保障及健康管理提供有效决策支撑。     

类X-43A飞行器高超声速分离仿真

高超声速飞行器级间分离过程广泛存在于军事和航空航天应用中。为了对该过程中气动干扰和各分离参数的影响有更加深入认识,以类X-43A飞行器为研究对象,采用网格变形/局部网格重构的方法对其进行仿真研究。详细分析了高超分离过程中典型的流场结构,尤其是飞行器和助推器之间的级间干扰;另外,重点讨论了初始攻角、弹射力对分离过程中飞行器和助推器的轴向/法向相对距离、气动力以及飞行器攻角的影响规律。结果表明：级间分离过程受到涡流和激波的双重干扰;攻角对飞行器和助推器法向相对距离影响较大,小攻角或负攻角更有助于二者分离;弹射力对轴向相对距离影响显著,较大的弹射力能够使飞行器较快脱离级间干扰区,达到安全的分离距离。