基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

针对长短期记忆（LSTM）网络对于多维数据特征识别和提取上存在不足的问题，在其改进模型嵌套式长短期记忆（NLSTM）网络的基础上，提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法。该方法将双层NLSTM网络代替残差块中的主网络，保留捷径连接中的卷积神经网络结构，既能充分提取时序特征又能保证有用数据在网络层中的跳层传递，并融入注意力机制构建多层残差网络，注意力机制的使用能够选择出对预测结果有重要影响的信息，有效提高预测的准确率。在航空发动机退化实验数据集上进行实验分析，结果表明：所述方法能有效建立监测数据与发动机健康状态之间的关系，剩余使用寿命预测误差较未改进残差结构方法平均降低10.8%，比未融入注意力机制方法平均降低18.9%，有效提高了预测精度。     

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.      

双模块下颌式内转进气道/圆锥前体一体化布局研究

为实现三维内转进气道的内收缩流场与圆锥前体的外压缩流场的良好匹配，提出了一种双模块下颌式内转进气道/圆锥前体(Double-modules Chin Inward-turning Inlet and Conical Forebody，DCII/CF)一体化设计方法，获得一种新颖的双发并置、侧向安装的DCII/CF一体化布局。针对该布局形式，开展了DCII/CF一体化构型与传统的单模块内转进气道/圆锥前体(Single-module Inward-turning Inlet and Conical Forebody，SII/CF)一体化构型的数值对比研究。结果表明：DCII/CF一体化布局不仅为内转进气道提供了优秀的前体附面层排移效果，还有效避免了传统SII/CF布局中前体附面层与进气道内部流场之间的相互干扰。在Ma∞=6.0设计状态，DCII/CF一体化布局的进气道总压恢复系数相较传统的SII/CF布局有了显著提高，从0.403提高至0.482；但由于前体附面层的排移，该布局的捕获流量略有降低， SII/CF的流量系数为0.956，该布局则为0.917。而在非设计状态，该布局形式同样具备较好的总压恢复性能，在Ma∞=5.0与Ma∞=4.0的总压恢复系数分别达到了0.586和0.682，明显高于SII/CF的总压恢复系数0.507和0.619。     

FWD—Ⅱ型落锤式弯沉仪自动测试系统

介绍了我所自行研制的FWD—Ⅱ型落锤式弯沉仪的自动测试系统,阐述了该系统研制、应用的意义,说明了用工控机及其接口模板实施自动控制和数据采集的方法,最后介绍了系统工作软件的构成和实测结果。由于采用了有效的硬件和软件系统设计,使整机达到了较高的测试准确度。     

高级靶场测量飞机

本文描述了高短靶场测量飞机(ARIA)及其目前和未来在全球范围内保障试验和鉴定活动的计划。