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。     

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用，其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标，基于复杂网络理论，应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型，详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系；通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱，基于节点介数的蓄意攻击效能最强；节点密度、信号辐射半径越小，VANET连通性越差，网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

机载托架自动校准系统的设计与实现

为了解决机载托架传统校准方法精度低、耗时、费力等问题,设计了一种高精度、高效率并且操作简单的成品托架自动校准系统。该系统运用调平精度较高的"循环多次"最高点不动调平方法,建立高精度机载托架校准的静力学数学模型,运用VC与Matlab的COM接口编程技术开发机载托架自动校准系统,并建立良好的人机交互界面。试验结果表明,利用该方法对机载托架进行校准,无论是校准精度还是校准效率都较传统方法有很大提高。     

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。