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。     

一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

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。     

多斜率自适应卷积神经网络激活函数

针对卷积神经网络中激活函数无法有效为处于不同激活程度的像素点提供特定梯度响应的问题，设计了一种由多个分段线性函数组成的自适应激活函数.首先依据像素激活值的取值范围，自适应地生成多个独立的激活域，各个激活域的并集包含激活图中全体像素点的激活值；随后在每个激活域中学习一个特定的线性函数，为处于该激活域中的像素点提供特定的梯度响应；最后以NIN网络和ResNet18网络为例，在CIFAR 10和CIFAR 100数据集上，验证所提激活函数的性能.实验结果表明，与现有激活函数相比，本文提出的激活函数，由于能够更好地为处于不同激活程度的像素点提供适当的梯度响应，使分类准确率在NIN网络上分别达到87.96%和69.01%，在ResNet18网络上分别达到88.56%和73.54%.     

飞机极限信号系统检测仪的设计与实现

首先介绍了飞机极限信号系统的功能和特点以及研制其检测设备的重要性。然后阐述了系统检测仪的总体设计思想,并对其具体的软硬件的实现方法进行了详细的介绍。