基于小波神经网络的直升机主减速器故障诊断系统

应用离散小波变换(DWT)和神经网络相结合构建直升机主减速器速器故障诊断系统: DWT对振动信号进行特征提取,神经网络对故障进行辨识和分类。阐述了DWT、帕塞瓦尔定理和广义回归神经网络(GRNN)基本理论,提出了直升机主减速器的故障诊断系统流程图,最后用某型直升机飞行时主减速器上的振动数据对该系统进行验证。实验使用了BPNN(back-propagation neural network)和GRNN两种神经网络,结果表明:提出的故障诊断系统能对主减速器故障进行较好的辨识和分类,这将为直升机主减速器故障诊断系统的进一步开发提供新的技术参考。      

多用户分集认知无线电系统的吞吐量分析

认知用户以时分多址方式接入,每次通信选择信道最好的认知用户发射数据,该文研究多用户分集认知无线电系统的吞吐量.为了避免认知用户对主用户产生的干扰而影响主用户的正常通信,认知用户的发射功率需控制在一定的门限下.基于极值定理,首先推导了认知用户接收信号最大信噪比的极限分布,该分布属于Frechet域.然后获得了该系统的封闭形式吞吐量.实验结果表明:所得的封闭形式吞吐量与实际模拟仿真结果非常吻合.     

积分型Cauchy中值定理的逆问题

主要讨论了积分型Cauchy中值定理的逆问题.推广了文献[3]的部分结果,并在文献[3]的基础上进一步研究了在不同条件下积分型Cauchy中值定理的逆问题的成立情况.     

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

四旋翼无人机动态面控制

针对四旋翼无人机（UAV）飞行器系统欠驱动特点,引入动态面控制方法,对四旋翼UAV的位置和姿态进行控制。考虑到飞行器速度和角速度难以测量,设计高增益观测器得到UAV的速度和角速度的估计值。相对于反演法,动态面控制的设计更简洁,并且通过引入滤波器来求取控制信号中的系统状态的导数项。另外,常用的时标分离方法不能给出全局稳定性分析,本文引入动态面设计控制律保证系统所有信号半全局一致有界,同时给出系统全局稳定性证明。仿真结果表明,四旋翼UAV能快速精确完成目标跟踪。      

图模型与学习算法结合的贝叶斯网络自动建模

针对纯数据驱动的贝叶斯网络结构学习算法的准确度和效率较低的问题,提出了一种融合多信号流图模型与K2学习算法的贝叶斯网络自动建模方法。该方法利用多信号流图模型能够描述信号之间传递与依赖关系的能力,结合K2学习算法在结构学习中的优势,实现了专家知识与数据驱动方法有效融合的贝叶斯网络结构自动学习算法。通过与常用网络结构学习算法的对比实验证明,该融合算法显著降低了结构学习对学习范围和训练数据规模的要求,具有更高的学习准确度和运算效率。采用真实系统实例阐述了该融合算法的应用过程,验证了算法的实用性。      

考虑数值离散误差的湍流模型选择引入的不确定度量化

在流体力学数值模拟过程中存在着多种来源的不确定因素,科学、定量地描述这些因素对模拟结果的影响对模型确认、工业产品设计优化和性能评估等过程十分重要。数值离散、模型选择和模型预测偏差是模拟过程中3种重要的不确定性来源,为将这3种不确定性因素对模拟目标量的影响统一考虑,发展了考虑数值离散误差的贝叶斯模型平均方法。首先,通过对数值离散解和网格尺度进行拟合完成数值离散误差估计,得到每个备选模型真实解的置信区间。然后,通过嵌套方法和条件优化算法,结合贝叶斯模型平均方法构建目标量的概率盒,定义目标变量累积分布函数的上、下限,以此分析其置信区间。最后,针对NACA0012低速绕流和CHN-T1跨声速绕流问题,给出了同时考虑上述3种不确定性因素之后升、阻力系数的置信区间分析示例。     

基于贝叶斯网络工况分类的民机引气系统异常检测

状态监控与健康管理技术是国产民机运营支持亟待突破的关键技术,以民机引气系统为对象,设计实现了基于飞行数据（QAR,Quick access recorder）的民机引气系统异常检测流程,提出了贝叶斯网络分类的同工况数据提取和指数加权滑动平均(Exponentially Weighted Moving Average,EWMA)控制图的引气系统异常检测方法。借助航空公司收集的实际数据对方法进行了验证,结果表明可有效检测民机引气系统异常,并提前故障发现时间,为航空公司合理安排飞机维修计划、减少飞机停场时间提供了支持。     

贝叶斯网络结合决策理论的向前多步排故策略

针对序贯诊断、维修问题,提出基于贝叶斯网络和决策理论的向前多步排故策略生成算法.通过建立贝叶斯网络排故模型实现了不确定条件下排故知识的高效表达,同时使得推理算法与具体应用无关.采用决策影响图进行排故决策分析,充分利用观测操作间的相关性,选择合理的向前多步观测操作来降低维修盲目性.为了验证所提算法的有效性,采用随机排故策略、决策理论排故策略和理想排故策略的结果进行对比分析.仿真结果表明,所提算法通过增加合理观测操作,减少维修焦点和实际维修操作,使得总排故费用明显低于已有的启发式排故策略.      

基于贝叶斯网络的航空灾害成因机理探析

为了预防和矫正航空事故诱发因素的萌生与发展,改善民航安全管理的科学性和可靠性,进一步降低事故率,减少航空灾害造成的损失.针对航空灾害的形成特点,探讨致灾因素的相互作用是成因机理分析的关键.基于贝叶斯网络模型,综合运用诊断推理和支持推理形式,分析致灾因素的因果关系,揭示了人、机、环境与管理因素相互作用的内在规律.通过高斯贝叶斯网络在典型案例致灾成因机理分析中的应用,挖掘隐含的内部因素对系统的影响程度,发现了隐含因素从不确定性状态向确定性状态的演变过程,以及表层因素与隐含因素的关系.