A型飞机机翼主梁结构的使用寿命研究

确定A型飞机机翼主梁结构的使用寿命，是保证A型飞机使用安全的关系。通过对全机第一关键危险部位-机翼主梁下凸缘第2螺栓孔部位的寿命估算、模拟件疲劳对比试验、模拟件耐久性试验，全机疲劳试验，经过综合分析研究，得到A型飞机机翼主梁结构的使用寿命满足3000飞行小时的结合。这一结论为全机使用寿命的确定奠定了基础。而全机使用寿命的确定是A型飞机生产定型的重要依据，也是对现役A型飞机进行维护及大修的重要依据。     

含表面裂纹的复合材料层压板剩余强度的工程算法

表面裂纹可导致复合材料层压板的强度降低,针对一些对裂纹敏感的复合材料关键部件有必要计算裂纹对层压板剩余强度的影响。传统预测层压板剩余强度的方法均与层压板具体铺层方向有关,通过研究具有表面裂纹的碳纤维/环氧树脂层压板的剩余强度特性,提出了一种与铺层方向无关的预测层压板剩余强度的工程算法。首先,利用裂纹几何参数以及层压板相关力学性能参数对剩余强度进行快速估计,再基于内聚力单元建立含表面裂纹的复合材料层压板的有限元模型,通过对含表面裂纹的层压板的渐进损伤过程进行描述,研究了裂纹深度和长度对剩余强度的影响,验证了工程算法的合理性。     

基于InfoLSGAN和AC算法的滚动轴承剩余寿命预测

为解决小样本和噪声干扰下滚动轴承剩余寿命(RUL)预测准确率低的问题,提出一种基于信息最小二乘生成对抗网络(information least squares generative adversarial network,InfoLSGAN)和行动者-评论家(actor-critic,AC)算法的滚动轴承剩余寿命预测方法。将堆叠降噪自动编码器、信息生成对抗网络和最小二乘生成对抗网络相结合,构建InfoLSGAN,自动地从噪声数据中提取可解释的鲁棒特征,解决梯度消失问题;采用基于AC的训练算法训练InfoLSGAN,减少训练时间,加快收敛速度;根据训练后的InfoLSGAN,利用softmax分类器预测测试样本中滚动轴承的剩余寿命。通过滚动轴承加速疲劳寿命试验验证该方法的有效性。试验结果证明,当信噪比等于0时,该方法对滚动轴承测试样本的寿命预测准确率至少提高了10%。在小样本情况下,滚动轴承剩余寿命预测的平均准确率达9584%。     

杭州维修基地自行改装A319／A320／A321液压式飞机牵引杆

本文参考空客AMM手册和GROUND EQUIPMENT MANUAL-A319／A320／A321 TOWBAR手册的要求，自行加工改装组件，对现有A319／A320／A321液压式牵引杆进行了改装，这对延长牵引杆使用寿命，提高设备可用率，降低工作者劳动强度，以及降低杭州维修基地工具设备维修成本，都具有重要的现实意义。     

末级火箭剩余推进剂的排放技术

与日俱增的空间碎片严重地威胁着航天器的安全,据美国航宇局的研究表明,如果不采取新的防范措施,90年代航天器与空间碎片碰撞的可能性将超过现有的安全限度。 据美国资料统计(至1990年11月),地球上空的卫星(含空间碎片)数量中,碎裂碎片占39％(见图1)。在这些碎片中,除美国及原苏联为空间竞争进行空间试验所产生的大量碎裂碎片以外,相当部分是末级火箭在完成运送任务以后,在轨道上运行过程中发生爆炸而产生的碎片。据资料统计,至1991年5月,末级火箭在轨道上爆炸已达129次。因此,防止末级火箭在轨道上爆炸是减少空间碎片增长的一个重要措施。     

用于导弹／飞机的热电池使用寿命延长数小时

Nothrop Grumman (NG)公司首创了一种热电池新体系，该体系热电池功率大，能量密度高，使用寿命能够达到数小时。NG公司对有效寿命为3h的大型声纳浮标热电池进行了论证，并正努力将其寿命延长到4h。NG公司认为，该热电池技术是导弹和飞行器的理想电源，因为导弹和飞行器对重量和体积要求非常来格。最后，NG公司对一个重28.5lb，额定电压28V，容量28Ah的热电池进行了测试。设计该电池的目的是为了验证大型热电池作为导弹主电源的可能性。本文将论述NG公司设计的热电池的特征及其计算机设计能力，并介绍这些大型长寿命（几小时）热电池的性能，以验证将其机载到飞行器上的可能性。     

C—17起落架寿命和部件支援

报告论述了C－17起落架帮助，轮胎和刹车部件，是军用飞机起落架寿命周期管理计划系列的第二部分，第一部分论述的是C－17飞机临界断裂和起落架部件的连续性。     

基于超统计的多阶段航空发动机剩余寿命预测

针对传统航空发动机剩余寿命（RUL）预测模型无法客观描述多阶段性能衰退过程及对于RUL预测精度不高的问题, 提出了一个新的多阶段航空发动机RUL预测模型, 包括超统计理论、突变点检测、无迹卡尔曼滤波（UKF）与非线性预测4部分内容。提出了基于超统计理论的多阶段分割滤波（BS-MSF）算法。首先, 该算法采用超统计理论进行突变点检测, 将航空发动机的健康数据划分为多个退化阶段；其次, 应用UKF对融合的时变参数进行滤波处理；最后, 通过非线性拟合对发动机RUL进行预测, 实验采用美国NASA发布的航空发动机数据进行数据分析和验证。结果表明:所提算法在发动机性能退化中的预测具有更好的适应性和更小的拟合误差, 能更准确地预测发动机的RUL, 预测精度比单阶段方法提高5.5%。