安全出自细节

<正>【案例一:起飞偏出跑道】某公司一架波音737-300飞机,在某机场起飞。飞机在跑道头做180度掉头,飞机推力处于慢车位,离对正跑道尚差20多度,机组便匆匆忙忙按下了"起飞/复飞"按钮(TO/GA),飞机发动机开始增加推力。但飞机滑跑方向迅速偏转,以30多度的交叉角,一头偏出跑道,进了草地。到了此时,机组还不明就里。在向公司签派打电话时,机长还在抱怨飞机前轮转弯不听使唤,导致方向失控。事后,根据QAR数据译码发现,     

实用化光力加速度计中单微球重复起支技术

针对光力加速度计的小型化应用,设计并制作了一种基于V型槽的片上光纤光阱,并采用机械振动方法实现了单微球重复起支。理论研究了利用机械振动方法实现微球起支、捕获的动力学过程。结果表明,只有当微球脱离捕获室底面的初始速度满足一定范围时才能稳定捕获,该初始速度范围与捕获室的几何参数有关。提出了利用两光纤中相向传播光的耦合功率监测微球捕获状态的方法,并通过实验完成了微球起支过程的自动控制,实现了单微球的重复起支与捕获。该片上光纤光阱制备方法和单微球重复起支技术可推动光力加速度计的实用化进程。     

基于改进的卷积神经网络的步态识别

为了提高惯性传感器采集到的序列数据中步态识别的准确率,建立了一个激励层改进的卷积神经网络(CNN)模型。针对三轴加速度传感器对运动太过敏感导致步态周期划分不准确的问题,采用加速度传感器与弯曲度传感器组合获取人体运动信息。将CNN模型中激励层的线性整流函数(ReLU)改进为带泄露线性整流函数(Leaky ReLU),以解决遇到卷积输出数据小于0时神经元被抑制的问题,进而达到提高步态识别准确率的目的。实验结果表明激励层优化的CNN模型在行走、上下楼和上下坡五种步态模式下识别率达到了95.79%,与未采用弯曲度传感器的改进CNN模型和未进行激励层改进的CNN模型相比,步态识别率有所提高。     

热化学非平衡来流条件下热化学模型影响研究

为研究热化学非平衡来流条件下热化学模型等计算设定对斜激波压缩流动计算结果的影响,针对尖劈构型和相应的前缘钝化构型的高焓激波风洞实验,采用多种计算设定开展详细的数值模拟研究。计算结果表明,计算采用不同热化学模型,以及来流设定为振动冻结/平衡/非平衡状态,会导致斜激波激波角等参数存在一定差别,其中激波角差别可达约2%。当来流速度一定时,过斜激波后分子内能增量在平动转动能和振动能上的分配方式的差别决定了激波角的差别。前缘钝化情形下,采用不同计算设定所得激波角之间的关系和尖前缘构型的规律一致;但是,采用不同计算设定所得斜激波到壁面距离之间的关系和尖前缘构型的规律有差别,这源于钝化前缘的激波脱体距离的影响。对于自由来流下的斜激波压缩流动问题,若考虑了分子振动能激发但未考虑热力学非平衡(例如热完全气体模型、考虑空气反应的单温度模型等),就斜激波激波角等参数而言,计算误差比量热完全气体模型计算误差更大。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

双燃式冲压发动机中超燃燃烧室冷态流场数值模拟

采用Ｍａｃ Ｃｏｒｍ ａｃｋ 矢通分裂格式, 求解雷诺平均的Ｎ－Ｓ方程组, 采用Ｂａｌｄｗ ｉｎ－Ｌｏ－ｍ ａｘ 代数湍流模型和混合长度模型, 模拟超燃燃烧室内两股平行超声速来流的冷态流场, 取得了与试验相一致的结果, 计算表明回流区和射流流动参数对超燃燃烧室流场内波系的变化有着较大的影响。     

表面温度传感器自动检定系统

介绍了一种用于表面温度传感器检定的数据采集、处理系统,此系统具有操作简单,使用方便,运行可靠等特点。     

一种用于飞机试验台的三分力传感器

多分力载荷传感器是一种常用的传感器,但通常当各分力的量程相差太大时难以取得良好的效果。提出了一种新型传感器结构形式,减少了各分力之间的耦合,使得在各分力量程不匹配的情况下亦可获得较高的测量精度。     

基于自联想网络的发动机传感器解析余度技术

本文提出了一种基于自联想神经网络的传感器解析余度技术。在这种网络中,冗余传感器的信息被压缩、重组进入网络的第一部分,网络的第二部分将压缩信息恢复出来。基于数据融合原理,若一个传感器发生故障,其它传感器仍可提供足够的信息代替发生故障的传感器。理论分析和用于涡轴发动机的仿真结果表明,这种特殊结构的自联想网络具有良好的过滤噪声和故障信号的作用,特别适合于用作不易建模的复杂对象的传感器信号重构     

采用一组卡尔曼滤波器检测发动机传感器故障

在发动机全功能数字电子控制系统中,提高传感器工作的可靠性是十分重要的,除了不断对传感器本身的性能加以改进提高外,现在广泛地采用了余度技术。近二十年来对解析余度(Analyt ical Redundancy)进行了广泛的研究,解析余度(AR)方法是基于各状态变量之间存在的解析关系,在系统可观条件下,利用无故障的输出测量值去估计(构造)已故障传感器正常工作状态时的输出信息,从而实现对故障的检测、隔离与重构,保证控制系统具有预定的控制性能。