基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。

基于遗传神经网络的飞行载荷参数识别

针对飞行载荷参数识别问题,结合典型机动动作,提出一种优化改进的BP神经网络模型。模型采用留出方法和遗传算法对BP神经网络的设置参数进行优化,利用最优设置参数训练得到飞行载荷与飞行参数的BP神经网络模型。在半滚机动下,通过利用飞行参数识别某一部位弯矩并与未优化BP神经网络对比,表明优化改进的BP神经网络模型对飞行载荷参数识别是一种可行且精度高的方法。

一种对飞行参数选取的自适应方法

飞参数据的典型选取问题是单机寿命监控以及飞行品质分析中压缩数据的储存空间关键。针对飞参数据的特征,提出了一种基于ELM极限学习机的飞参数据选取的模型。利用极限学习机ELM神经网络、文化基因算法MAS优化的方式,克服了算法中存在早熟收敛和局部极小的问题。实现了对飞机不同部位载荷自适应选取不同飞行参数的效果,有效获得评估出飞参数据的重要度。验证结果表明,优化后的ELM-M模型比传统选取飞参模型的精度得到了极大提高,泛化能力增强,说明了方法的可行性、有效性。

飞机结构紧固件柔度影响因素分析

紧固件柔度是飞机连接部位的疲劳寿命重要影响因素,常常作为考虑飞机结构疲劳寿命模拟和分析的主要参数。本文在验证弹塑性有限元法计算紧固件柔度有效性的基础上,利用弹塑性有限元法对不同紧固件连接的单搭接结构进行仿真分析,并由仿真分析得出的紧固件细节的载荷位移曲线计算紧固件柔度。分析表明:扁圆头铆钉铆钉头越小柔度值越大;埋头铆钉柔度值相对于扁圆头铆钉有所增大,十字槽埋头螺栓柔度值相对于埋头铆钉稍有增大;过盈配合使紧固件柔度值大幅减小。

基于HK-RVM与WCO的电梯门锁故障预测

电梯门锁触点故障是电梯发生故障的主要原因之一,为了实现及时监测和有效预警,文中提出了基于世界杯优化算法(WCO)的混合核相关向量机(HK-RVM)预测模型。HK-RVM是一种具有良好概率预测能力的区间预测方法,引入WCO优化参数以提高预测模型的泛化能力和准确性。首先利用门锁触点模拟组块和单片机系统模块,采集可以反映电梯门锁故障的电阻时序信号;其次通过WCO-HK-RVM建立实时时序预测模型,其在保证模型的预测精度和泛化能力的同时,实现了门锁触点的故障预测;最后为了验证了该方法的优越性和适用性,通过实验研究与传统预测算法LSTM和SVM相比较,结果表明WCO-HK-RVM预测方法显著提升了门锁触点故障的预测精度。

舰载螺旋桨运输机发动机短舱飞行载荷设计

舰载螺旋桨运输机布局紧凑,发动机短舱尺寸和质量较大,受螺旋桨滑流影响显著,飞行载荷问题突出,国内设计经验仍显不足。研究了某飞机发动机短舱的气动载荷、惯性载荷、陀螺力矩等设计方法及相关的设计规范约束与全机机动仿真技术。首先通过对规范的理解和选择确定短舱飞行载荷设计范围;建立机动仿真模型,获得短舱典型载荷工况;通过CFD方法获得有、无滑流影响的短舱压力分布数据;计算、筛选短舱的设计载荷与设计载荷工况;对比有/无滑流影响的气动载荷计算结果。研究表明:短舱的设计载荷工况出现在最大法向载荷系数(n Z)下的急剧俯仰机动、设计俯冲速度(V D)下的偏航机动、最大着舰质量下的发动机最大拉力等情况中;短舱侧向以气动载荷为主;法向以惯性载荷为主,极值情况下惯性力超过气动力4倍;某些机动/状态下,螺旋桨滑流可使短舱总气动力增大90%以上,靠近螺旋桨区域增幅更大。

木质素/聚氯乙烯膜的制备及其亲水性研究

为提高聚氯乙烯(PVC)膜的亲水性,通过聚合物共混法制备了木质素/PVC膜。通过扫描电子显微镜(SEM)表征了膜的断面形貌;通过膜的吸水率、孔隙率、膜通量和膜表面接触角测试探讨了木质素用量、致孔剂种类和用量对膜亲水性能的影响。研究结果表明:木质素/聚氯乙烯膜的内部呈多级孔;加入木质素后,膜的吸水率、孔隙率、亲水性以及膜通量均有明显提高;木质素用量为0.06 g,PVC用量为3.0 g,致孔剂作用时间为10.5 h时木质素/聚氯乙烯膜的综合性能最佳。相比于PEG400,PPG200和PEG200与木质素搭配时膜的亲水性能更优异。当PEG200和PPG200的用量为0.6 g时,膜的表面接触角分别为75.7°和77.9°,孔隙率分别为12.6%和7.1%,吸水率分别为114.7%和94.8%,膜通量分别为135.5和372.6 L/(m^(2)·h)。

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别。首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率。载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求。

舰载运输类飞机副翼飞行载荷设计

舰载运输类飞机布局紧凑,副翼兼备增加升力(襟副翼)、提供滚转力矩等作用。根据CCAR-25增升装置和滚转情况的设计准则,并考虑机舰适配性要求,研究了某舰载运输类螺旋桨飞机的襟副翼和副翼飞行载荷设计方法。通过机动仿真获得襟副翼、副翼典型载荷情况,通过面元法获得不同动力影响下的气动特性数据和压力分布数据,结合理论方法与工程需要,计算、筛选出襟副翼和副翼的载荷边界作为其设计载荷。研究结果表明,算例飞机的襟副翼和副翼飞行载荷受滑流影响较小;襟副翼在各个设计空速的迎面突风情况下获得设计载荷;副翼在设计俯冲速度的最大可用偏度情况下获得设计载荷。