燃烧室故障导致涡轮叶片烧蚀的原因分析

通过对多起涡轮叶片烧蚀的故障发动机的分解、检查发现,虽然烧蚀的是涡轮叶片,但故障的根源却在于燃烧室。其中喷嘴积炭、燃油品质不良、气流结构异常等燃烧室部件故障是易造成涡轮叶片烧蚀的主要原因,针对这些故障原因,就日常维护、检查、使用等方面提出了预防措施。     

基于生成对抗网络的航天异常事件检测方法

航天环境复杂,技术难度大,风险高,安全可靠性要求苛刻。航天异常事件样本少,且难以获取,有针对性地开展异常事件检测（AED）很有必要。为预防航天事故,尽早发现可能导致故障的异常事件,深入研究了最新人工智能和生成对抗网络（GAN）技术,提出了一种基于生成对抗网络的航天异常事件检测方法。使用正生成对抗网络模拟生成正常事件样本,训练反生成对抗网络模拟生成异常事件样本,设计合理算法训练测试,计算输入事件与正生成对抗网络生成的模拟正常事件欧氏距离,以及输入事件与反生成对抗网络生成的模拟异常事件的欧氏距离差,实现对异常事件的精确检测。通过在美国国家标准与技术研究所数据库（MNIST）数据集全部使用正常数据训练,并对异常事件检测性能进行了试验验证,试验结果表明:在MNIST数据集下,精确率和召回率综合评价指标（F1）及精确率和召回率曲线下面积（PRC）等关键技术指标比变分自动编码器（VAE）方法相应指标性能至少分别提升了31%和11%。在真实环境下采集的模拟航天音频数据试验,异常事件检测性能良好,进一步证实了所提方法真实可用。      

辐射带AP9模式在南大西洋异常区的系统性量化评估

针对目前辐射带AP9模式量化评估不够系统的问题,基于F_10.7指数确定高、中、低太阳活动水平,以三种太阳活动水平条件下NOAA-15观测的140~500MeV的全向质子通量为参考数据,以南大西洋异常区为对比区域,定义边界吻合度和大小量级差为评估指标,将辐射带AP9模式分别与AP8模式和参考数据进行对比,对AP9模式进行系统性量化评估.结果表明,AP8和AP9模式均能重构出南大西洋异常区,但AP8模式重构的南大西洋异常区轮廓与观测结果更为吻合.平均而言,AP8和AP9模拟结果均比观测值高,AP8比AP9更接近观测值.太阳活动水平越低,AP9与观测之间的差距越小.      

2021年沈阳桃仙机场暑期降水异常特征及成因分析

利用2001～2021年6～9月沈阳桃仙机场地面气象观测资料和NECP/NCAR月尺度再分析数据,分析2021年沈阳桃仙机场暑期降水异常特征及成因。结果表明:6、9月降水量相比于历史同期偏多,7、8月降水量偏少,沈阳桃仙机场暑期雨季降水较不集中,降水分配异常。大尺度环流系统和水汽输送的异常配置是导致2021年沈阳桃仙机场暑期降水异常的主要原因。6月亚洲中高纬度地区500 hPa高度场与历史同期相比呈负距平,该月东北冷涡异常活跃导致降水日数长、降水量偏多。7月副热带高压北抬稳定在华北、东北一带,沈阳地区受副热带高压控制造成降水严重偏少。8月沈阳地区水汽通量散度距平场呈正距平,水汽输送较常年偏弱,而9月沈阳地区水汽通量散度距平场呈负距平,表明进入沈阳地区水汽输送较常年异常偏强,造成该月降水偏多。     

基于迁移学习的航天器遥测数据异常检测技术

航天器遥测数据异常检测是识别航天器状态、保障航天器安全可靠运行的关键技术.然而,航天器遥测数据异常检测通常面临时序数据维度大、异常不平衡、标签样本缺乏等问题.基于数据预测的异常检测思想,提出一种基于迁移学习的深度异常检测模型.根据遥测数据时序相关性强的特点,采用具有注意力机制的长短期记忆网络建立遥测数据预测模型.为了克服航天器遥测数据异常标签少、数据维度高的问题,采用微调的迁移学习方法对预测模型进行优化,同时采用全连接层统一不同数据集维度,从而提高了迁移学习模型精度,提升异常检测水平.以美国宇航局公开的两个航天器数据集为实验对象,利用提出的异常检测方法对该数据集异常状态进行识别,结果表明,与经典异常检测算法相比,引入迁移学习能明显提升模型性能,实验结果优于目前常见的异常检测模型,证明了方法的有效性.     

基于灰色关联模型的遥测数据趋势异常分析

为分析和判断火箭遥测数据的趋势异常,提出一种基于改进关联模型的趋势异常分析方法.针对遥测数据量大、局部特征时轴偏移及幅值偏差累积、不同时段重要程度不同等特点,对文献[11]中关联模型进行了适应性改进,引入均衡度概念,根据权重系数和关联度定义分段异常度、异常均衡度和异常关联度,用以综合评价遥测数据与历史数据的整体趋势一致...     

Correlation analysis of PCB and comparison of test-analysis model reduction methods

The validity of correlation analysis between finite element model（FEM） and modal test data is strongly affected by three factors, i.e., quality of excitation and measurement points in modal test,FEM reduction methods, and correlation check techniques. A new criterion based on modified mode participation（MMP） for choosing the best excitation point is presented. Comparison between this new criterion and mode participation（MP） criterion is made by using Case 1 with a simple printed circuit board（PCB）. The result indicates that this new criterion produces better results. In Case 2, 35 measurement points are selected to perform modal test and correlation analysis while 9 selected in Case 3.System equivalent reduction expansion process（SEREP）, modal assurance criteria（MAC）, coordinate modal assurance criteria（CoMAC）, pseudo orthogonality check（POC） and coordinate orthogonality check（CORTHOG） are used to show the error introduced by modal test in Cases 2 and 3. Case 2 shows that additional errors which cannot be identified by using CoMAC can be found by using CORTHOG.In both Cases 2 and 3, Guyan reduction, improved reduced system（IRS） method, SEREP and Hybrid reduction are compared for accuracy and robustness. The results suggest that the quality of the reduction process is problem dependent. However, the IRS method is an improvement over the Guyan reduction, and the Hybrid reduction is an improvement over the SEREP reduction.     

重力异常特征提取方法研究

将主元分析和独立分量分析相结合应用于重力异常信号的特征提取.采用主元分析对测量数据进行去相关和降维预处理,再利用独立分量分析算法提取重力信号的特征系数.结合重力异常变化与特征系数的关系,提出了应用特征量化参数表征重力异常信号变化程度的方法.基于实测的重力异常信号进行了仿真试验,试验结果表明,本文提出的特征量化参数能有效的反映重力异常的幅值变化程度.     

基于数据关联性分析的飞轮异常检测

针对航天器早期故障在闭环系统下难以被检测、数学模型难以精确建立的问题,提出了一种基于数据关联性分析的归纳式系统异常监测(IMS)方法。该方法采用无监督学习的聚类算法,利用具有关联性的参数构建数据向量,通过聚类分析自动建立健康数据向量的族类阈值区间。关联关系的破坏将引起部分参数超出族类阈值区间,使系统的异常程度存在模糊性与随机性。引入云模型评价指标,将闭环系统异常程度的不确定性通过熵与超熵定量表示,从而更加准确地判断闭环系统的异常程度。仿真结果表明:该方法能够建立卫星飞轮闭环系统的族类知识库,并可以根据云模型提供的定性知识有效判断系统的异常程度。     

基于HDLC协议的记录器软件测试方法

HDLC协议是一种面向比特的高级数据链路控制协议,由于具有高效、透明和同步传输的特点而广泛应用于数据通讯领域中。在对数据链路层功能、HDLC协议介绍的基础上,分析了基于HDLC协议开发的某型飞行记录器软件特点,提出了一种针对HDLC协议测试的异常测试设计方法。测试结果表明,测试方法能有效发现与HDLC协议不符的软件缺陷,可有力地保障基于HDLC协议开发的软件安全性、可靠性和质量。