航空发动机健康管理用户的诊断预测指标体系

航空发动机健康管理的顶层设计必须要满足不同健康管理用户的使用要求。简要介绍了健康管理系统的用户分类和开发流程,重点分析了面向外场使用的后勤、飞行、维修、机群管理等军方健康管理用户的要求。从健康管理诊断和预测的技术实现出发,分别分析了军方不同用户的要求与诊断、预测指标之间的映射关系,建立了相应的诊断和预测指标体系。可为军方制定满足外场使用需求的研制总要求,工业部门制定贴合用户需求的研制规范提供借鉴。     

GNSS双频导航信号用户完好性监测机制研究

用户完好性监测指标通常被用于衡量导航信息的可信度,针对单个卫星导航系统用户完好性监测指标过高、可用性较差的问题,提出一种全球导航卫星系统(GNSS)多系统双频信号联合完好性监测机制,该监测机制使用一定完好性风险分配值下的保护门限作为联合观测下的监测指标;另外,为了确保各种监测假设下的用户完好性,分别讨论了无故障及一颗卫星故障假设下的伪距观测误差获取、保护门限计算以及完好性风险指标分配等问题。仿真结果表明该用户监测机制可有效降低保护门限、提高可用性,在用于I类精密进近时全球大部分区域用户的可用性水平大于95%。     

温度对压电陶瓷传感器信号传输的影响研究

近年来,飞机结构健康监测技术得到了快速的发展,并在航空航天等领域得到了广泛的应用,特别是在碳纤维复合材料结构的状态监控与损伤诊断方面更是明确了功能材料与智能结构的发展趋势。首先分析了航空领域典型的结构健康监测技术,包括模态法、机电阻抗法、超声法、声发射法、Lamb波法,并对其中的Lamb波法进行深入讨论。而后,开展了基于Lamb波技术的温度对压电陶瓷传感器信号传输影响的实验研究。该研究考虑了实验装置及传感器在高温环境下的特性,特制了用于测试压电陶瓷传感器信号传输特性的高温实验装置,将压电陶瓷传感器通过机械方式安装于实验装置上,开展环境实验。分别对五档不同温度下的实验结果进行分析,研究结果表明:温度对压电陶瓷传感器信号传输具有一定影响,并给出了信号受温度影响的变化规律。     

基于改进无模型自适应算法的涡扇发动机限制保护控制方法

针对发动机限制保护控制问题,提出了一种基于数据驱动的改进无模型自适应限制保护控制方法。以主回路闭环系统为设计对象,通过在常规无模型自适应控制律的准则函数中增加误差变化率,使超限保护系统具有更快的响应速度,给出了改进后系统的稳定性条件,并采用临界比例度法进行了控制器参数整定。仿真结果表明:在不同工作点,所设计的改进无模型自适应限制保护控制器相比常规无模型自适应限制保护控制器,最大超限平均减小2.97%,响应时间平均缩短2.30s,实现了发动机超限后的迅速回调,保证了发动机系统的安全运行。     

智能化波音737NG引气系统健康测试设备设计

针对波音737NG飞机引气健康测试工作的重要性和现有引气健康测试设备的不足,基于高精度传感器、数据采集模块、通用触控设备和外围支持部件,设计并试制了智能化737NG飞机引气健康测试设备.经验证,该设备提高了引气健康测试的数据精度,降低了人为因素造成测试结果失真的概率,基本实现了系统健康状态的自动识别和故障的自动诊断.     

基于潜在成分和概率神经网络的时变结构系统的损伤识别

介绍了基于潜在成分(LC)分析和概率神经网络的损伤识别方法,并应用于一个实验室模型的损伤识别.结果表明,基于潜在成分(LC)分析和概率神经网络的损伤识别方法能在正常的时变质量情况下以较高的成功率对位于A或B处的某一损伤程度未知的损伤进行归类,为时变结构系统的定量损伤识别作出了有益的尝试.     

电探针保护气体的优选原则

为了研究强冲击波作用下不同气体对电探针保护能力的差异,通过化爆加载实验分别观察了氦气、氩气和甲烷气体在不同冲击波强度下电探针电路的导通现象,实验发现冲击波马赫数在7.5～12.1范围内,氦气和甲烷气体均能有效地保护电探针,而氩气环境下的电探针电路产生提前导通现象。并用一维流体动力学理论分别计算了在相同的初始条件和3～8km/s范围内的六种不同飞片速度下氦气、氩气和甲烷的冲击状态参数。通过对这些状态参数和相关物性的分析,提出了电探针保护气体的优选原则。     

飞行器板结构中Lamb波解析建模研究

通过理论分析,计算得到特定条件下的板结构中Lamb波的解析解和理论波形,从而为机遇Lamb波的飞行器结构健康监测工作提供坚实的基础.基于对金属板结构的空间-波数域弹性力学分析和压电材料传感器的力电耦合场分析,得到了金属板中Lamb波传播的一般解析解.基于此解析解,可以得到Lamb波传播的理论波形建模结果.为了验证这一解析建模结果,进行了金属板结构中的Lamb波传播实验,通过对比实验结果与建模结果,证明了这一解析建模结果的准确性.     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架,它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先,本文介绍了联邦学习的基本概念和威胁模型,有助于理解其面临的攻击。其次,本文总结了由内部恶意实体发起的3种攻击类型,同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较,进一步讨论了该领域未来的发展方向。     

一种改进的隐私保护关联规则挖掘算法

部分隐藏的随机化回答方法是基于关联规则数据挖掘的隐私保护算法,针对该算法在重构频繁项集支持度上的指数级时间复杂度导致算法执行效率下降的不足,采用分治策略和集合运算方法对该算法进行改进,消除重构数据的指数级运算。改进算法降低了算法的时间复杂度并有效提高了执行效率。仿真实验与分析表明了改进算法的有效性。