基于RBF神经网络的液压位置伺服系统故障诊断

针对液压系统的非线性、时变、流固耦合的特点,提出双级径向基函数(Radial Basis Function,RBF)神经网络模型实现液压伺服系统故障检测与定位.采用第1级RBF网络作为液压伺服系统的故障检测滤波器,通过实际系统与RBF观测器输出的残差实现液压伺服系统故障检测.利用第1级RBF观测器的输出残差和网络结构参数,应用第2级RBF网络实现液压伺服系统典型故障定位.针对K均值聚类算法收敛速度慢的缺点,提出了改进K均值聚类算法和学习速率自适应调整算法,利用网络优化结构参数和学习率,加快神经网络收敛速度,减少运算量.实验结果表明,利用双级RBF神经网络能够有效地检测出液压位置伺服系统的故障,并能实现系统的故障定位.     

一种疲劳裂纹损伤的模糊综合评估算法

提出了一种基于模糊综合评判法的飞机蒙皮裂纹损伤综合评估算法.该算法在已检测出裂纹的特征数据的基础上,应用分层聚类的最短距离法对飞机蒙皮铆钉区域进行划分.然后利用层次分析法建立权重集,对影响评价蒙皮裂纹损伤程度的各种影响因素进行权重分配.最后确定评判矩阵,进行模糊综合评判.为维修人员判断裂纹损伤的严重程度提供了科学的依据...     

灰色理论在舰载机系统安全评估中的应用

结合舰载机的使用特点和工作情况,基于“人-机-环境-管理”理论建立了较为完善的舰载机系统安全评估指标体系。利用灰色聚类理论对评估指标体系进行灰色评估,采用相关数学模型进行计算,并对计算结果进行分析和决策,找出系统中存在的安全隐患,预防和降低了事故的发生。通过对实例的计算可以表明：灰色理论在安全评估中具有一定的科学性和实用性,提高了舰载机系统安全评估的客观性和有效性,使安全评估工作成为一种行之有效的安全管理方法。     

基于K-均值聚类与粒子群核极限学习机的推力估计器设计

鉴于航空发动机直接推力控制与健康管理需要高精度及高实时性的推力估计器,提出了一种基于K-均值聚类与粒子群优化的核极限学习机推力估计方法。采用K-均值聚类对全工况范围内的测量数据进行聚类,在每一个子类中,通过核极限学习机建立推力估计器,采用粒子群算法对核极限学习机的核参数和惩罚系数进行优化,利用了核极限学习机稳定性好、非线性拟合能力强的特点,实现了对发动机推力的估计。经涡扇发动机台架试车数据训练与测试表明,本推力估计方法平均预测时间为0.27ms,实时性满足机载在线状态评估和直接推力控制需求,且在估计精度上较现有方法存在一定优势。     

面向工程的类乘波体气动布局与数值分析

为了解决高超声速飞行器理想乘波体的工程应用问题,以粘性锥导流场为基础流场,考虑装填空间、前缘钝化、端头半径和翼舵干扰等工程实际情况,设计了一种类乘波体高超声速飞行器。采用CFD方法对该类乘波体气动性能进行了仿真与分析。结果表明:该类乘波体具有典型的乘波特征,设计状态(Ma=8,α=2°)下,升阻比为4.47;非设计状态(Ma=3,α=2°)下,升阻比不小于3.60;考虑不同高度和马赫数范围,纵向压心系数绝对值变化仅为4.2%,小的压心变化范围在满足高机动需求方面具有优势。     

民用运输类飞机结构修理的分类与审批

为明确民用运输类飞机结构修理适航要求,对国内外适航规章、程序及民机制造商制定的修理手册进行了研究。总结了适航规章对修理的定义和分类要求,以及民机制造商对结构修理种类的划分方法。对比分析了国际主要民航局及民机制造商对超出持续适航文件的结构修理的审批方式。针对国内缺乏结构重要修理和一般修理分类标准的问题,制定了重要修理的判断标准,保证了超出持续适航文件的结构修理分类的准确性和审批的及时性。     

基于核方法的航空发动机推力估计器设计

鉴于实现航空发动机的直接推力控制需要高精度及高可靠性的推力估计器,基于核方法,提出了结合全局核k-means聚类与鲁棒最小二乘支持向量回归机的推力估计器设计方案,通过核诱导的隐性映射将原始输入数据映射到特征空间,使数据样本特征信息被提取并放大,具有更好的可分性.在每个聚类内设计推力子估计器,用鲁棒代价函数代替最小二乘代价函数,增强了推力估计器的整体鲁棒性.通过对涡扇发动机的仿真试验表明,本推力估计器设计方法能够满足直接推力控制需要,与其它方法相比,在估计精度及鲁棒性上存在一定优势.     

基于聚类方法提高离场导航精度的可行性研究

为了提高终端区的空域利用效率,探讨提高终端区离场导航精度的可行性是具有重要意义的。通过将从雷达数据中获得的航空器航迹点的坐标信息进行处理、计算,建立了改进的航迹偏差相似度模型,并运用层次聚类法和正态分布参数分析法,分析了使用现有导航设备导航条件下的雷达航迹点数据,证实了在实际的离场飞行阶段,航空器飞行误差远小于现行的导航精度规范规定的导航误差要求,从而证明了提高现有的离场程序的导航精度在一定条件下具有可行性。     

叶盘结构盘片耦合振动特性的参数敏感性

在参数化建模、求解的基础上重点研究了叶盘结构盘片耦合振动频率转向特性、由结构参数随机失谐引起的振动局部化特性对结构设计参数变化的敏感性.对盘片耦合振动频率转向特性的研究发现,随着轮盘扇区间耦合刚度或叶片刚度的变化,频率转向间隙曲线的改变具有碗状形式;对振动局部化特性的研究表明,以轮盘扇区间耦合刚度和结构参数失谐强度为自变量的失谐响应放大因子曲面呈类马鞍形;响应放大阈值现象存在与否,与轮盘扇区间耦合刚度的大小直接相关.若选择位于鞍部的轮盘扇区间耦合刚度-失谐强度组合参数设计,失谐响应放大因子最多能够被减小37.5%.      

基于场景识别的惯性基类脑导航方法

针对无人机导航中惯性器件产生的漂移误差不断随时间累积进而影响导航精度的问题,以仿生类脑导航为研究背景,提出了一种新的导航方法。与传统导航策略不同的是,该方法从周期性校正累积位置误差的角度出发,采用设置位置细胞节点的思路,利用训练好的卷积神经网络模型在细胞节点处进行图像匹配,从而在位置细胞节点处实现惯导位置漂移误差校正。同时,建立节点之间的漂移误差模型,调整误差方程系数,以达到修正漂移误差的目的。最后,基于无人机飞行实验结果验证了该方法对自主导航的有效性和鲁棒性,该方法能够有效提高无人机导航的精度。