全网应急通信无人机系统设计及对地覆盖策略

大型固定翼无人机支援下应急通信保障体系创新应用“无人机空中基站”在应急通信保障过程中发挥了积极作用,针对现有大型固定翼无人机搭载单一基础电信运营商单一基站,即单网应急通信无人机存在的不足进行探讨,如基础电信企业用户差异性对待、基站网络容量有限、单一基站冗余性差,可靠性不高等问题,探讨了全网应急通信无人机研发的必要性,分析了全网应急通信无人机系统设计关键技术,如基站制式及冗余设计、数管分离无人机卫星网络架构、多运营数据隔离流控以及对地覆盖策略。信号覆盖仿真、飞行测试和实战演练表明,全网应急通信无人机可同时提供电信、移动、联通等公用电信网信号,覆盖面积不低于50 km^(2),覆盖区域内信号无明显波动,电平不低于-110 dBm,可为通信阻断区域全网用户提供稳定可靠的紧急通信保障。

基于双重架构的MBOM数据分类与重构算法设计

由于当前飞机的定制化方案众多,制造过程中涉及到的MBOM版本多且数据繁杂,导致建造过程中容易出错。针对上述问题,文中基于位置和方案架构提出了一种MBOM数据分类与重构算法。该算法由零件分类及识别算法组成,以MBOM的文字与零件数据为输入向量。对于零件分类算法中Seq2Seq框架局部特征提取能力较弱的问题,加入了上下文注意力语义机制来进行改进。同时通过引入残差模块和自注意力机制对传统GAN加以优化,进而改善了零件识别算法原模型训练过程中存在的梯度问题。在实验测试中,所提算法的分类准确率、召回率以及F1值分别高于其他算法1.53%、1.56%与1.80%,识别准确率则高于对比算法约6%,说明其具有较为理想的性能。

基于飞行过程数据的航空发动机故障诊断方法研究

针对航空发动机飞行过程数据,结合门控循环单元(GRU)动态网络和深度神经网络(DNN),提出了一种数据驱动的航空发动机故障诊断结构。首先,从飞行数据中抽取发动机健康数据,并通过一组GRU网络建立发动机在健康状态下的动态模型。其次,通过GRU动态模型的预测值与真实测量信号生成残差信号,残差信号作为DNN网络的输入预测发动机健康参数。最后,通过诊断决策模块实现对发动机的故障检测与识别。使用仿真生成的真实飞行工况数据集对提出的故障诊断系统进行了验证。结果表明,相比于直接使用传感器测量数据,基于GRU网络的残差结构能够大幅提升故障检测和识别性能,故障检测和识别准确率分别可达96.51%和95.06%,并且对训练数据样本数量的依赖性较小,较少的训练样本也能获得很好的预测结果。

基于YOLOv8的卫星遥感图像快速目标检测方法

目标检测相关技术已经广泛应用于空间目标监视、卫星自动寻轨等领域,也是计算机视觉领域最重要和最具有挑战性的研究分支之一,逐渐成为国内外军事领域的应用热点.在现代空天对抗中,通过卫星遥感图像获取近地飞行器目标,借以快速判断敌方部队的有生力量,将使我方部队占据战略优势.针对卫星观测距离过远、遥感图像背景复杂等问题,研究基于一阶段轻量化网络YOLOv8的小样本目标检测算法.通过图像翻转、马赛克数据增强及mixup数据增强等图像增强手段提高了模型的泛化性能;通过多次调整优化函数、降低类别损失增益及降低掩模比等参数调整策略提高了模型的平均精度;通过使用参数预设及加载原优化函数导出的模型提高了模型的运算效率.提出的方法在公开的飞行器数据集进行了验证,验证指标包括查准率-查全率(precision-recall)、平均精度(mAP)和画面每秒传输帧数(FPS).结果表明本文提出的改进型网络模型能满足卫星遥感图像的快速目标检测需要.

基于遗传算法优化BP神经网络的飞机油耗预测方法

飞机油耗的精准预测可以有效减少环境污染、节约燃油能源、为航空公司降低运营成本。为了提高飞机油耗的预测精度,本文采用主成分分析方法从QAR数据中选择对飞机油耗影响较大的地速、纵向加速度、垂直加速度、风速、风向、倾斜角、空速、气压高度作为BP神经网络的输入变量,提出了基于遗传算法优化反向传播神经网络的飞机油耗预测方法。通过Matlab仿真软件建立了预测模型,以某航空公司飞机下降阶段QAR数据为基础进行验证实验。实验结果显示,该模型的预测精度优于传统的BP神经网络模型,预测性能更好。

基于卷积神经网络的飞机液压系统故障诊断

现代飞机系统的复杂度和集成度均大幅提升,使得其故障诊断存在难度高和准确率低等特点。采用一维卷积神经网络方法对军用飞机液压系统的故障诊断问题进行了研究,构建了满足多传感器数据分析要求的卷积神经网络模型。考虑到神经网络的输入来自不同的传感器数据序列,各数据序列之间的空间关系不明显,因此,即使网络输入是二维形式,而实际的卷积操作均在一维上进行。通过解决某飞机液压系统的故障诊断问题,证明将标准化后的多传感器数据序列及对应故障模式作为训练样本对卷积神经网络模型进行训练时,采用满足训练要求的网络对飞机液压系统进行故障诊断时具有较高的准确率。

基于NARX网络的航空发动机性能参数预测优化

航空发动机的构造复杂性使得发动机工况监测成为一项困难的任务。为了准确预测航空发动机运行时传感器数据的变化趋势,提出一种基于粒子群算法优化的NARX神经网络预测模型。通过准确预测航空发动机输出的传感器数据,达到有效监测航空发动机工况状态的目的。实验结果显示,预测模型所得性能参数——发动机工作站温度、高压转子转速、发动机工作站压力值和低压转子转速的均方误差分别为0.006 52,0.005 25,0.009 3,0.009 12。结果表明,所提出的基于粒子群算法优化NARX网络能够有效预测发动机性能参数,相较于传统NARX网络、传统BP神经网络和粒子群算法优化的BP神经网络,在预测准确度上有较大优势,为基于飞参数据进行发动机健康管理与监测提供了良好的数据支持。

AFDX的分布式仿真

航空电子全双工交换式以太网(AFDX,Avionics Full Duplex Switched Ethernet)技术基于IEEE802.3以太网和TCP/IP通用原理,对于商用货架(COTS)网络化技术如何应用于未来飞机数据网络给出了定义[1],已经成为了一种新的航空电子数据网络标准。由于AFDX协议以及航空总线布局的复杂性,采用网络仿真技术可以大大缩短网络建设周期,减小网络建设的投资风险。为了模拟AFDX的网络性能,尤其是其在数据通信方面的高可靠性和高实时性,根据AFDX协议及其传输和交换原理,建立了基于高级仿真体系结构(HLA)的AFDX分布式仿真体系,并对各子系统的构成以及仿真执行流程进行了研究。通过对仿真结果的分析,验证了仿真模型的正确性,并表明仿真设计满足系统性能要求。

基于AFDX的航空数据网络终端设备设计

AFDX(航空电子全双工交换以太网)技术作为目前最为先进的航空网络技术之一,推动着商用飞机高速航空数据网络的发展。基于AFDX协议的特点,对协议栈的硬件实现方案和软件实现方案进行比较和分析,在此基础上设计了应用FPGA和DSP技术的AFDX关键端设备方案,提出AFDX主网与传统AR INC429子网间协议转换的实现方法,并对终端设备进行了部分试验验证。为我国大飞机项目中应用先进的AFDX网络技术做了积极的探讨。

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于神经网络的飞机极限数据专家系统

利用神经网络专家系统的方法对飞机飞行参数的极限允许值进行计算 ,可以使推理过程变得简洁、清晰 ,避免了常规方法在软件实现上的诸多缺点。同时 ,本文采用一种模糊规则方法对神经网络专家系统的推理行为进行描述 ,使得神经网络专家系统能够回答有关 why和 how的询问。以最大允许马赫数的计算为例 ,本文设计了用于该参数推理的神经网络专家系统 。

基于贝叶斯网络工况分类的民机引气系统异常检测

状态监控与健康管理技术是国产民机运营支持亟待突破的关键技术,以民机引气系统为对象,设计实现了基于飞行数据(QAR,Quick access recorder)的民机引气系统异常检测流程,提出了贝叶斯网络分类的同工况数据提取和指数加权滑动平均(Exponentially Weighted Moving Average,EWMA)控制图的引气系统异常检测方法。借助航空公司收集的实际数据对方法进行了验证,结果表明可有效检测民机引气系统异常,并提前故障发现时间,为航空公司合理安排飞机维修计划、减少飞机停场时间提供了支持。

基于逻辑图的国产民机液压系统故障诊断与定位

为研究国产民机液压系统典型故障诊断与故障部件定位技术,依据故障形成条件构建典型故障逻辑图,收集典型故障运行数据,采用贝叶斯网络实现故障诊断与故障部件定位。针对某型国产民机机组操作手册中的故障形成条件,参考逻辑图构建方法,以液压系统典型故障为例,建立国产民机故障逻辑图,直观反映故障形成逻辑关系;依据逻辑图,考虑故障形成条件,建立与逻辑图对应的贝叶斯网络,并将故障形成的逻辑关系以条件概率分布值表示;获取国产民机快速存取记录器(quick access recorder,QAR)数据,依据逻辑图输入信息获取QAR参数信息;依据建立的贝叶斯网络与获取QAR数据,应用正向推理实现液压系统典型故障诊断,在完整信息与部分信息条件下,应用反向推理实现液压系统故障部件定位。研究表明所提方法可准确实现故障诊断,并可在完整信息下精准进行故障部件定位,在部分信息下对潜在可能故障部件给出发生的概率,有效辅助故障部件定位工作。研究工作对完善国产民机的机载健康管理系统与地面健康管理系统的故障诊断功能具有一定的参考意义。

一种反射内存网多系统实时数据传输协议

为了解决"铁鸟"试验台飞机仿真试验中多系统间的数据共享问题,使数据在传输过程中具有更强的实时性、高效性和异常诊断性,提出了一种反射内存网实时数据传输协议,搭建了基于反射内存网的网络结构,描述了反射内存卡中断方式传输数据的缺陷,介绍了多系统内存分布和数据传输协议。理论分析和试验结果均表明,本协议能够满足"铁鸟"试验台飞机仿真试验中多系统间实时数据传输需求,同时能够快速诊断各系统异常情况,提高了在仿真试验中飞机飞行的真实性和逼真度。

飞机铝合金结构腐蚀损伤预测方法对比性研究

依据飞机LD2结构材料的加速腐蚀试验数据,提出了数据拟合、神经网络、时间序列3种腐蚀损伤预测方法,并对3种预测方法的基本原理、预测精度及预测外延性进行了对比分析。研究发现神经网络和时间序列方法预测精度较高;时间序列方法的预测外延性较好,能够以较高精度预测未来一段时期腐蚀损伤的发展趋势及损伤程度。因此,应根据研究需要选用合适的方法进行腐蚀损伤预测。

飞机完好率预测仿真研究

利用飞机完好率时间序列特性,建立了NAR神经网络模型和基于不同核函数的3种支持向量机模型对平时状态下的飞机完好率变化趋势进行建模、训练和预测;运用Matlab仿真软件进行试验验证,结果表明:支持向量机模型具有较好的拟合效果,预测精度优于NAR神经网络模型,基于RBF核函数的支持向量机预测准确率相对较高。两种预测模型相比于部队现行的预测方法均具有更高的准确度和可靠度。

基于Link16数据链的飞机控制交接流程研究

飞机控制是Link16数据链的一个重要功能,飞机控制交接是将飞机的控制权从一个控制单元转移给另一个控制单元。从飞机控制的内涵出发,分析了与飞机控制有关的消息、网络参与组,分析了指挥消息与任务分配消息之间的关系,揭示了外军的指挥控制系统的组织关系;阐述了飞机控制移交的内容、移交条件和移交流程,对控制移交流程的类型进行归纳;提出了我军数据链建设应基于军事需求分析和协同作战方案的启示。

光纤信息传输技术军事应用分析

综述了最近20年来国外发达国家在光纤通信技术军事应用方面的最新研究、应用进展,重点分析了高速光纤网、光纤水听器、综合航电系统光纤数据总线、光控操纵飞行系统等几项在航海、航空领域具有较大军事应用前景的光纤新技术.

基于语义的民用飞机总装工艺数据建模

为保证总装阶段信息传输的快速性和准确性,基于本体建立了民机总装工艺多层次统一数据定义模型,将制造物料清单由单一结构转变为柔性组合结构,全面展示装配结构、工艺、制造资源、生产管理等内部及相互关联关系。基于语义网络建立了总装工艺数据关联模型,以实现局部领域本体内关联以及领域本体顶层关联,保证总装工艺相关各类数据的一致性维护。在此基础上进行了相关软件开发,并已应用于国内某大型飞机制造公司的工艺数据管理中,取得了良好的效果。

基于GAN的红外飞机数据增强方法

针对军用空地背景下的红外飞机目标图像数据获取难度高,导致红外飞机目标检测算法易过拟合等问题,基于生成对抗网络(GAN)与通道间注意力机制的相关方法,提出一种小样本红外飞机目标数据增强方法。首先,利用特殊的金字塔多尺度生成对抗网络结构,学习和拟合单张图像不同尺度下的特征信息;其次,针对小目标红外飞机图像改进网络的生成器结构,提高小感受野的特征表达,丰富生成图像细节;最后,在网络训练阶段缩放图像小尺度阶段的学习率,避免了学习率过大导致的生成图像失真。以几种常见的目标检测算法进行仿真评估实验,并将其与传统的数据增强方法对比,结果验证了所提方法的有效性与先进性。