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。     

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。     

液体火箭发动机协同设计平台关键技术

针对液体火箭发动机协同设计工程实际需求,围绕研制数据高效流转与协同,面向产品全生命周期跨地域、跨专业特点,提出了协同设计平台框架。针对协同平台中的5项关键技术,给出了相应解决途径。基于PLM系统构建协同环境,建立统一编码,整合研制过程中的标准件、原材料等共性基础数据;通过基于MBD的三维结构设计,采用MBSE理念,以模型为载体升级发动机设计流程;采用线上IPT模式提升产品设计效率,同时实现全过程数据记录知识累积。采用BOM结构组织和展示不同设计阶段形成的数据;基于Hadoop平台分布式数据存储模式,实现结构化和非结构化数据综合管理。通过工程实践验证表明,构建的协同平台实现了基于数字化模型的设计工艺定制化协同,科研生产全过程的信息整合和多维度监控,促进了业务流程持续优化和研制效率不断提升,支撑发动机研制模式的转型升级。