基于模糊聚类的模糊神经网络在非定常气动力建模中的应用

建立了一种基于模糊聚类的模糊神经网络模型.该模型利用模糊聚类技术确定系统的模糊空间和模糊规则数,利用BP算法调整模糊神经网络的权系数.应用该模型对某飞机模型做俯仰-滚转耦合运动的非定常气动力进行了辨识.结果表明,基于模糊聚类的模糊神经网络计算速度快,辨识结果与实验结果符合较好.用模糊聚类技术可以解决模糊神经网络的结构辨识问题,基于模糊聚类的模糊神经网络可以很好地用于复杂机动飞行的非定常气动力建模.     

运输类飞机EWIS安全性评估实施研究

针对运输类飞机适航规章中提出的对EWIS的安全性评估要求,结合相关咨询通告、工业标准和EWIS设计实践,分析了EWIS安全性评估的主要内容,提出了EWIS安全性评估的实施过程,为EWIS满足适航要求的设计提供技术参考.     

国泰四月份客货量较去年同期上升

由著名的PMA厂商寰科公司(Wencor)与铬合金公司(Chromalloy)以及海南航空公司联合主办的第二界亚洲PMA峰会于4月25—27日在三亚举行。中国民航总局及各地适航当局的官员参加了此次峰会并作了发言，阐述了局方对PMA的看法和政策。另外，包括众多亚洲航空公司以及MRO厂家代表在内共150余人参加了此次峰会，其中各大PMA厂商高层人士以及各参会单位负责航材使用与评估的人士作了发言。     

利用脉组间频率步进信号合成UWB距离像及类MUSIC法对速度的高分辨估计(英文)

提出一种称为类多信号分类(CMUSIC)的方法,其利用脉组间频率步进信号,在具有M个脉冲的脉冲串(子带,即窄带)中高分辨估计径向速度。利用此速度估计值补偿距离-多普勒耦合和多普勒色散后,对跨子带进行快速傅里叶变换则可获得合成超宽带高分辨距离像。和其他方法相比,CMUSIC在低信噪比时具有较好的速度估计性能。当M大于具有不同径向速度的目标个数Q时,该方法在小M值下依然有优越的速度估计性能。此外,经过径向速度解模糊后,该方法适应高径向速度运动的目标。随着国防技术的突飞猛进地发展以及高速先进飞行器的涌现,这具有重要的实际价值。仿真结果验证了该方法的可行及有效性。     

管制过程中人的错误及其管理

本文从民航飞行安全入手，结合管制事故，探讨管制过程中人为错误的性质、来源及其管理。以期在今后的管制工作中能运用“人的因素”的原理，减少管制员人为的错误，提高飞行安全。     

基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达96.8%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。     

一种高效的正常类飞机全机疲劳试验方法

目前国内飞机结构疲劳耐久性评定通常采用规范谱和飞机典型设计任务剖面相结合来编制疲劳试验载荷谱,对全机完整结构进行考核,这将耗费巨大的成本和周期,也因此全机疲劳试验成为型号机体结构设计验证最后以及最复杂的一环。对于以经济性为主要研制要求的正常类飞机,为了推进型号研制工作和取证进度,需要缩减全机疲劳试验的成本和周期。在CA42型飞机适航取证的全机疲劳试验工作中,依据FAA认可的规范谱编制了疲劳试验谱,将疲劳考核目标由整机结构调整为机体主要承力结构,并相应简化了全机疲劳试验载荷加载方式,形成了一种高效的全机疲劳试验方法。通过该方法,CA42飞机全机疲劳试验仅耗时两月,试验成本主要为工时,有效的推进了适航取证工作,并缩减了研制成本。     

基于核主成分分析的空域复杂度无监督评估

空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段,是运行调控的基础。由于影响因素众多,不同因素间耦合关联复杂,且标定样本很难获取,空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无监督评估方法。首先通过核主成分分析挖掘原始样本各维度的非线性耦合关系,准确提取能够最大化复杂度评估信息量的主成分,进一步设计了可按需定制的主成分聚类方法,实现了无监督条件下空域复杂度的准确评估,为空域划分、流量管理提供了有效的技术支撑。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。