超应急检测记录盒的功能与工作原理

本文较详细地介绍了超应急检测记录盒的作用，计时功能，损耗界限及超应急状态检测功能，并从电路工作原理的角度叙述了实现其功能的原理，对主要电路进行了必要的计算。     

正态模型结构可靠性贝叶斯下限的计算方法

本文对正态模型结构可靠度的贝叶斯精确下限的评估公式提供一种新的计算方法。该方法能达到任意给定的精度。计算复杂度可由O(n~2)降为O(n)。程序结构简单,使用方便。     

一种新的基于可解释性置信规则库的飞轮健康状态评估模型

飞轮系统的稳定运行对于航天器在轨安全影响重大，因而对飞轮系统进行健康状态评估至关重要。在进行飞轮系统健康状态评估建模时，不仅要求模型能够处理各种不确定性以保障评估结果的准确性，同时要求其具有透明合理的评估过程与可解释、可追溯的评估结果。因此，在深入研究置信规则库（BRB）建模方法的基础上，构建了一种新的基于可解释性建模的置信规则库（BRB-e）飞轮系统健康状态评估模型。首先，结合飞轮系统特征对模型的可解释性建模准则进行定义；在此基础上，设计了BRB-e评估模型的推理过程；然后，基于鲸鱼优化算法（WOA），提出了一种具有可解释性约束的BRBBRB-ee模型参数优化方法；最后，通过对某飞轮系统中轴承组件的评估案例研究，验证了模型在飞轮系统健康状态评估中的有效性。对比研究表明，BRBBRB-ee模型在评估结果准确性和评估过程可解释性方面具有一定的优势。     

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。     

基于干扰观测器的高超声速飞行器预测控制器设计简

 针对具有强耦合特性与模型不确定性特点的高超声飞行器控制问题,提出一种新型的姿态预测控制器设计方法。引入参考模型,建立了飞行器姿态预测控制模型。基于此,利用预测理论设计了飞行器的预测控制器,同时设计了干扰观测器实时观测外界未知干扰来进行补偿控制,从而实现滚动优化的目的;基于干扰观测值与真值的误差,利用Lyapunov稳定性理论,确定了控制精度与预测步长大小的关系;最后,在参数标称与拉偏的情形下进行了高超声速飞行器姿态控制系统仿真,仿真结果表明,干扰观测器能快速跟踪干扰,并且所设计的预测步长可以满足飞行器高精度的控制要求。     

空空导弹任务可靠度评估方法研究

首先论述了进行空空导弹任务可靠度评估方法研究的必要性,然后对空空导弹任务可靠度指标及其评估方法进行了讨论,详细介绍了利用系统可靠性综合的理论进行空空导弹任务可靠度评估的计算方法,并在某型号空空导弹可靠度评估中进行了应用。     

裂纹叶片频率转向和振型转换特性研究

基于有限元法对裂纹悬臂平板叶片的频率转向和振型转换特性进行了线性和非线性研究。首先使用张开型裂纹模型通过线性模态分析研究了裂纹长度变化引起的频率转向和振型转换问题,使用模态置信因子定量分析了频率转向区内振型的渐变过程。而后考虑裂纹闭合效应,建立了裂纹平板的双线性模型,使用张开型和闭合型模型线性分析结果计算得到双线性频率,其中张开型和闭合型裂纹振型通过模态相关性分析进行匹配。计算了裂纹叶片双线性频率,分析了非线性频率转向特性与线性分析结果的差异。最后使用接触有限元模型瞬态响应扫频计算得到非线性共振频率,对张开型模型和双线性模型在典型弯曲、扭转和面内弯曲模态的共振频率进行了验证。     

基于干扰观测器的高超声速飞行器预测控制器设计

针对具有强耦合特性与模型不确定性特点的高超声飞行器控制问题,提出一种新型的姿态预测控制器设计方法。引入参考模型,建立了飞行器姿态预测控制模型。基于此,利用预测理论设计了飞行器的预测控制器,同时设计了干扰观测器实时观测外界未知干扰来进行补偿控制,从而实现滚动优化的目的;基于干扰观测值与真值的误差,利用Lyapunov稳定性理论,确定了控制精度与预测步长大小的关系;最后,在参数标称与拉偏的情形下进行了高超声速飞行器姿态控制系统仿真,仿真结果表明,干扰观测器能快速跟踪干扰,并且所设计的预测步长可以满足飞行器高精度的控制要求。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。