基于小波变换和神经网络的直升机旋翼不平衡故障诊断方法

依据直升机旋翼不平衡故障空间与多点机体振动空间存在一对一映射关系的理论,采用某旋翼试验台设置桨距不平衡、质量不平衡以及后缘调整片不平衡的方法获取试验数据。利用小波变换和神经网络处理直升机机体振动信号,并对直升机旋翼单故障和复合故障进行诊断。最终实现了一种利用小波变换处理机体振动信号诊断旋翼不平衡故障的方法。     

应用有色Petri网的复杂系统四性一体化综合评估方法

为避免复杂系统以可靠性、维修性、测试性和安全性为四性的设计中仍存在"割裂"现象,在确定四性一体化基本参数的基础上,约束可靠性等四性单性指标,建立了基于有色Petri网的复杂系统四性一体化综合评估方法。在JAVA环境下,基于有色Petri网,利用工具PIPE分别建立了复杂系统结构有色Petri网模型和综合评估有色Petri网模型,形成四性一体化综合评估有色Petri网模型。变迁触发时,将复杂系统的四性状态分为3类并分别染色。根据库所中的托肯颜色,判断复杂系统各项指标满足情况以及所处状态。重复迭代评估,实时跟踪复杂系统四性所处状态,实现四性一体化综合权衡设计。算例证明,四性一体化综合评估方法全面合理,验证了方法的有效性和准确性。     

复合材料带缠绕成型过程建模及工艺参数优化

复合材料带缠绕成型过程中,成型工艺参数的选取决定了缠绕制品的性能。采用正交实验法研究各工艺参数对缠绕制品层间剪切强度的影响规律和敏感度,并将正交试验数据与神经网络理论相结合,对带缠绕成型过程进行建模,得到缠绕成型工艺参数与层间剪切强度之间的非线性映射关系,并通过实验验证了模型的可靠性。在此基础上,利用粒子群优化方法在可行工艺参数域内对缠绕成型工艺参数进行优化。仿真与实验结果表明,基于神经网络模型的工艺参数粒子群优化算法能够快速、准确的得到带缠绕成型的全局最优工艺参数组合。使得缠绕制品层间剪切强度达到最优的工艺参数组合为:加热温度115℃,缠绕张力357 N,压辊压力1006 N和缠绕速度0.28 m/s,在最优工艺参数作用下,缠绕制品的层间剪切强度达到102.2 MPa。     

基于CenterNet的航空遥感图像目标检测

为实现高精度的航空图像目标检测,将Anchor free的目标检测算法CenterNet应用到检测中,同时使用Resnet50主干网络,并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD与DIOR数据集上进行测试,结果显示在保证网络轻量化的前提下检测精度有明显的提高,证明了算法在航空目标检测方面的可行性与准确性。     

基于贝叶斯网络的飞机变流器故障诊断决策系统的设计与实现

文章在介绍飞机变流器维修决策特点的基础上,给出了一种基于贝叶斯网络的变流器故障诊断决策系统的软件结构,并分析了模型建造、知识库管理、模型推理、诊断决策、实例收集、模型学习等模块的功能和算法,以实现面向不确定性信息时的诊断决策功能。     

复杂产品供应链协同优化的演进与发展

本文从协同管理、协同设计、协同建模以及决策优化等方面对供应链协同研究的成果进行梳理,并指出了供应链协同优化研究的新动态。     

多工况下机翼结构优化设计方法研究

从工程实际需要出发,提出了一种考虑了位移约束、应力约束与稳定性的机翼多工况优化方法。将多工况问题转化为多约束问题,对各种约束进行合理分类,利用最大约束法对约束进行合理的消减,使用复合形法对结构进行优化。算例结果表明,所提方法可行,结果正确,对加快结构优化技术的实际工程应用有着很高的价值。     

测试技术在网络建设与维护中的应用

本文介绍了测试技术在网络系统中主要包含的内容、实用方法及测试过程。并以以太网为例,具体分析了系统测试的主要项目,并对出现影响网络性能的可能因素给出了解决问题的方法。     

A combined technique of Kalman filter,artificial neural network and fuzzy logic for gas turbines and signal fault isolation

The target of this paper is the performance-based diagnostics of a gas turbine for the automated early detection of components malfunctions. The paper proposes a new combination of multiple methodologies for the performance-based diagnostics of single and multiple failures on a two-spool engine. The aim of this technique is to combine the strength of each methodology and provide a high success rate for single and multiple failures with the presence of measurement malfunctions. A combination of KF (Kalman Filter), ANN (Artificial Neural Network) and FL (Fuzzy Logic) is used in this research in order to improve the success rate, to increase the flexibility and the number of failures detected and to combine the strength of multiple methods to have a more robust solution. The Kalman filter has in his strength the measurement noise treatment, the artificial neural network the simulation and prediction of reference and deteriorated performance profile and the fuzzy logic the categorization flexibility, which is used to quantify and classify the failures. In the area of GT (Gas Turbine) diagnostics, the multiple failures in combination with measurement issues and the utilization of multiple methods for a 2-spool industrial gas turbine engine has not been investigated extensively.This paper reports the key contribution of each component of the methodology and brief the results in the quantification and classification success rate. The methodology is tested for constant deterioration and increasing noise and for random deterioration. For the random deterioration and nominal noise of 0.4%, in particular, the quantification success rate is above 92.0%, while the classification success rate is above 95.1%. Moreover, the speed of the data processing (1.7 s/sample) proves the suitability of this methodology for online diagnostics.     

用正则化方法快速求解中长基线网络RTK模糊度

提出了采用选权拟和的正则化新方法,利用参考站坐标准确已知的条件作为约束,设计出正则化矩阵,使法矩阵的病态性得到了改善,只用几个历元的数据求解,能较准确得到模糊度的浮点解,在此基础上结合LAMBDA方法可以快速地确定整周模糊度。以4条中长基线的实测数据为例,新方法用3个历元的单频L1数据就能求解出整周模糊度,且成功率为100％。与现有方法相比,新方法可采用单频GPS数据实现中长基线GPS网络RTK的整数模糊度快速解算。