利用神经网络规则提取方法获取转静碰摩故障诊断知识

 获取易于理解的航空发动机转静碰摩故障诊断知识规则对于深刻认识碰摩故障机理、有效诊断碰摩故障具有重要意义。鉴于此,研究了一种新的基于功能性观点的神经网络（NN）规则提取方法,介绍了连续属性离散、训练样本产生、神经网络训练、示例样本产生及规则提取等关键算法,并用Iris数据对方法进行了验证。最后,通过航空发动机转子实验器获取碰摩故障样本,利用神经网络规则提取方法从故障样本中提取了碰摩故障诊断知识规则,并对其进行了验证分析,验证结果充分表明了该方法的正确有效性。     

飞机外形和结构件反求建模技术研究

 探讨了基于特征的飞机外形和结构件反求建模策略,并给出曲面特征和实体特征的定义,该方法支持具有完整特征表达的模型快速重建。提出了大规模散乱数据k近邻的空间球搜索算法,其逐步增大搜索范围的策略可有效提高搜索效率。研究了结构件与外形相关曲面特征的重建方法,当贴合面较窄、外形线接近于直线时,采用直纹面逼近,否则由蒙皮曲面等距间接求取。研究了基于工程约束的曲面形状修改算法,以B样条曲面需满足的点、线、面几何约束为目标约束,通过最小化形状修改前后差曲面的弯曲能得到精确满足目标约束的光滑曲面,推导了曲面弯曲能和曲线约束的表达式。最后,以飞机翼肋模型反求为例验证了所提方法的可行性。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

适于黏性计算的自适应笛卡儿网格生成及其应用

复杂外形的黏性网格生成已经成为计算流体力学(CFD)在工程应用中的主要瓶颈,高效而鲁棒的网格生成技术研究显得尤为迫切。使用基于物面外形自适应加密的笛卡儿网格方法生成计算网格,投影方法拟合壁面边界,将投影得到的柱形单元沿法向分层获得适于黏性计算的网格。应用特征恢复技术恢复凹面特征并改善凸面处的网格质量。流场解算中应用最小二乘法重构获得2阶精度,Roe格式计算无黏通量,Holmes-Connell方法计算黏性通量。加入Spalart-Allmaras一方程湍流模型以获得湍流解。上下对称高斯 赛德尔迭代(LU-SGS)格式隐式时间推进,对网格重排序保证格式的稳定性和平衡性。算例显示网格生成方法是快速的和鲁棒的,流场计算精度满足工程需求,因此该方法非常适合应用于实际工程计算。     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。     

商用飞机驾驶舱造型设计特征研究

介绍了国内外商用飞机驾驶舱设计的历史及现状,在分析多类飞机驾驶舱造型设计图片资料的基础上,探讨主要飞机制造商驾驶舱造型设计的特征。依据驾驶舱造型的相似性,对国际上12家商用飞机制造商的66款机型的驾驶舱进行聚类分析和多维尺度分析,挑选出10款有代表性的驾驶舱。在提取代表性驾驶舱造型特征线后,分析主要飞机制造商的驾驶舱造型设计特点及差异,为新型飞机驾驶舱造型设计提供参考。     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

示温漆图像等温线提取算法

分析示温漆（TIP）图像特征,根据等温线附近产生局部梯度极值的特点,实验对比了4种边缘提取算法效果。根据实验结果,选用Canny算子提取等温线。提出在边缘提取前进行K means聚类处理,并对K means聚类算法和Canny算子进行了改进。提出了两种K means初始聚类中心的选择方法,更适于示温漆图像的分割。改进了Canny算子的内核,提升了等温线的质量。结果表明:该算法能够快速提取清晰、连续的等温线,效果良好,满足工程应用要求,已用于示温漆自动判读软件开发。      

CZ2F火箭POGO振动信号特征频率提取

CZ2F运载火箭在第5次飞行过程中意外出现了"8Hz"POGO振动现象,该振动频率对箭体的稳定性和航天员安全产生了严重的影响。为解决这一振动问题,必须精确分析该频率的持续时间和振动量级。通过研究HHT(Hilbert-Huang Transform,希尔伯特-黄变换)方法,结合火箭振动信号特点设计了特征频率提取算法,成功地提取了CZ2F火箭飞行中的"8Hz"POGO振动频率,为有效解决"8 Hz"POGO振动问题提供了技术支撑。     

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.