基于长短期记忆网络时序数据趋势预测及应用

为了研究状态监测大数据对设备运行状态的估计和预测,提出了一种人工经验与主成分分析相结合的长短期记忆网络方法（AEPCA-LSTM）,利用运行过程中的监测时序数据对设备运行趋势进行预测。首先,通过基于人工经验的主要成分分析方法（AEPCA）从状态监测系统中提取与目标变量最相关的状态变量作为输入;其次,利用长短期记忆网络（LSTM）对目标变量趋势变化进行预测,并考虑运行过程中新数据样本的持续产生,对模型进行定期更新,以提高模型的动态适应性。最后,将所提出的方法应用于船舶副机系统的涡轮增压器转速预测中,结果表明该方法相对于传统的PCA-LSTM和LSTM,具有更小的预测平均误差0.18037,即展现了其在时序数据趋势预测的优势。     

调频引信谐波时序检测抗干扰方法及实现

针对调频（FM）引信抗干扰能力差的问题,提出了调频引信谐波时序检测抗干扰方法,利用弹目交会过程中谐波时序特征,提高了调频引信抗调幅（AM）、调频和扫频干扰能力;设计了基于快速傅里叶变换（FFT）的调频引信谐波提取方案,通过对差频信号进行FFT获得谐波幅值,与现有谐波定距调频引信通过带通滤波器（BPF）获得谐波幅值相比,在保证同等定距精度的前提下,可以灵活选取谐波次数和谐波通道,利用谐波时序性提高调频引信抗干扰能力,同时易于实现炸高分挡。仿真及实测结果验证了本文方案的可行性,调频引信抗干扰成功率由16.7%提高到90%以上。      

基于增量式在线学习飞行训练姿态预测研究

针对飞行训练安全,大规模训练数据更新时预测准确性较差等问题,研究提出一种基于增量学习的在线飞行训练姿态预测模型。模型针对飞行训练数据进行相关性分析,使用基于流数据的增量学习模型对飞行训练数据中的俯仰角进行预测研究。实验结果表明,模型在对飞行训练俯仰角进行预测时,预测准确率高,误差小。通过模型对比实验,模型相较于传统预测模型,精度高、误差小、泛化能力强,可以有效预测飞行数据,保障飞行安全。     

民用客机通气浮子阀设计改进

通气浮子阀对民用客机燃油箱的通气起着重要作用。某民用大型客机配套的通气浮子阀在验证过程中先后出现了结冰试验卡滞、额定流量下通气关闭等故障,无法保障飞机燃油箱的正常通气。针对结冰试验故障,对产品的活门座、支架等零件进行了结构优化,并对活门座表面喷涂疏水性涂层,改进后产品通过了试验验证;对于产品在额定流量下通气关闭的问题,使用Fluent对燃油箱通气过程进行了流场仿真,并提取不同流量点下产品所受到的气动关闭力矩,对气动关闭力矩和重力打开力矩进行分析比较,根据计算结果对产品进行改进,解决了产品在额定流量下通气关闭的问题。     

非死锁合同网协议驱动的多机分布式时序任务分配

针对多无人机协同任务分配的时序约束问题，提出了基于非死锁合同网协议(DF CNP)的分布式时序任务分配方法，从理论上避免任务死锁，提升分配结果最优性。定义了局部信息条件下时序任务死锁判据，通过检测时序任务图环路状态与顶点可达性，判定分配方案的全局死锁状态，保证分配结果的可行性。定制了最近邻-深度优先混合搜索算法，在合同网排序过程中优先选择最近邻任务，并结合死锁判据递归回溯，在分布式架构下并行生成满足死锁约束的任务排序方案，提升分配结果的最优性。仿真对比结果表明：相比于非死锁遗传算法(TB GA)，DF CNP在求解效率方面具有显著优势；与耦合约束一致性束算法(CBBA TCC)相比，DF CNP结果最优性明显提升。     

固体姿轨控发动机喉栓运动时序实验设计方法

固体姿轨控发动机通过伺服机构控制喉栓位移实现推力矢量调节。为实现推力精确调控，需拟合大量地面试验数据，得出发动机喉栓位移与推力矢量间的数学模型。提出了一种面向喉栓式固体轨控发动机喉栓运动时序实验设计方法，实现了单次试验中不同燃烧室理论压强及喉栓位移组合最大覆盖，为最低试验成本下精准构建喉栓位移与推力输出模型提供训练样本。以四阀固体轨控发动机作为对象，基于零维内弹道实现燃气发生器压强求解。采用Φp准则评估喉栓位置组合遍历性，并对其进行优化，获得合理的喉栓运动方案。算例结果证明实验设计后方案在整个运动周期内几乎遍历各种组合状态，较实验设计前Φp值提升近40%，验证了本文实验设计方法在时序工程问题中的优良性能。采用实验设计方法可提高固体姿轨控发动机地面试车数据利用效率。