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。     

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%.     

CFM56—3型发动机反推系统典型故障的判断与分析

CFM56—3型发动机广泛应用于BOING737—300型民航客机，采用双发配置。每台发动机安装一套反推系统。在飞机落地滑跑时打开反推降低飞机滑跑速度，与飞机刹车系统一起使飞机尽快减速。[第一段]     

HC型微量硫分析仪的改造

我厂于2001年11月购进一台HC型微量硫分析仪，用于分析甲醇合成原料气的总硫分析。但对仪器进行安装调试时发现，在GDX柱切换到TCP柱时，燃烧室灭火；标准气用空气稀释时也灭火，由此造成分析检验中断，需重新点火才能继续进行样品分析。厂家负责安装调试人员要求在GDX柱和TCP柱的相互切换时要缓慢切换，标气或合成气稀释时要用H2稀释。在仪器接收和投入运行一周后，甲醇分厂化验室的化验人员反映此仪器经常灭火，使用很不方便，所以，到现在已经停止使用近两年的时间。