基于人工神经网络的停机坪安全预警研究

停机坪是机场的重要组成部分,停机坪安全是机场安全关注的重点。影响停机坪安全作业的要素有很多,通过对这些要素进行监控和预警,可以减少停机坪的安全隐患,保证机场正常运行。根据济南遥墙机场的主要数据,运用因子分析法对影响停机坪安全的主要因素进行分类,提取公共因子。并运用人工神经网络（ANN）方法,对这些公共因子进行神经网络训练和预测分析,最终得到遥墙机场停机坪的安全情况。     

基于飞行签派员的航空公司运行效率提升研究

航空公司运行控制中心是航空公司的核心,而飞行签派员又是运行控制中心的核心,运行控制中心的 效率直接影响到航空公司的运行安全与效益。根据航空公司飞行签派员的特点和管理现状,对效率量化和效 率评估进行分析研究,采用改进层次分析法(AHP)和物元可拓模型相结合的方法,建立适合我国航空公司飞 行签派员运行效率评估模型;针对评价指标在实际情况下更具有针对性和可操作性,提出4项准则和16项指 标组成的基于签派员航空公司运行效率评价指标体系,并进行算例分析。结果表明:所构建的评价指标体系合 理有效,能够真实反映出航空公司的运行效率与飞行签派员、运控设备、AOC组织结构与工作环境和航空公司 管理规定有着密切联系,为公司运行效率的提升提出理论依据。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

量子力学中的Heisenberg测不准原理的数学推导以及在小波分析中的应用

从傅里叶变换的定义出发,利用时变信号的短时傅里叶变换,推导出量子力学中的Heisenberg测不准原理,说明了两者之间存在这种联系的必然性,并给出了测不准原理在小波分析中的应用举例.     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

一种小波变换像空间的再生核

利用一个常用的调制高斯函数作为小波母函数,得到小波变换像空间的再生核函数的具体表达式和小波变换的等距恒等式,并分析了小波变换像空间的结构,为一般的小波变换的像空间的研究提供了理论基础。     

层次分析法在航空产品设计质量管理中的应用

从航空产品设计质量管理角度出发对可能影响设计质量的因素进行探讨,初步构建了设计质量管理控制模型,通过对层次分析法的原理分析、应用,将层次分析法与传统的质量控制分析工具相结合,从而实现将影响因素的重要性由定性分析转化为定量分析,并通过计算对各影响因素重要性进行排序,为有效提高航空产品设计质量明确重点方向.     

硬车削过程中声发射和振动信号的监测及分析

为了对硬车削过程进行监测和分析,本课题建立了一套基于虚拟仪器的信号采集系统,采集模具钢硬车削加工过程中的声发射和振动信号.对声发射和振动信号进行小渡变换并重构后,发现硬车削过程中的声发射和振动信号都与转速密切相关.随着转速的增高,淬硬钢的声发射信号也随着增大,但振动信号却随之减小.     

小波神经网络在航空发动机故障诊断中的应用

针对某型航空发动机构建了转子-滚动轴承动力学仿真模型,并利用该模型构造了三种发动机故障样本.研究中采用松散型的小波神经网络,先对构造的三种故障信号进行小波包特征分析,提取其能量特征向量作为神经网络的输入,再采用改进的BP神经网络分类器进行发动机故障模式识别.仿真结果表明,基于小波神经网络的信息融合技术用于发动机的故障诊断是可行的和有效的.     

基于弹性小波神经网络的故障诊断研究

航空电源系统是机上设备的重要组成部分,任意一个环节出现故障,将会影响整个飞机系统的正常安全运行。针对神经网络收敛速度慢,易陷入局部最小的缺点,将小波神经网络结合弹性BP算法应用到电源系统故障诊断中。训练过程及仿真结果表明：小波神经网络故障诊断算法收敛时间方面表现更优,具有较高故障诊断率。