飞行参数野值点的预处理

当飞机上的传感器或大功率用电设备等出现机械故障和随机干扰时,飞行参数系统所记录的数据往往出现野值.为了正确反映和重现飞机真实飞行过程,对野值点做出正确处理是十分必要的.研究了借助RBF神经网络、MATLAB工具、最小二乘法和多项式拟合方法对某型飞机记录的发动机低压转子转速所产生的野值进行预处理,取得了非常好的效果,该方法对其他参数的修正具有使用推广价值.     

涡轮导向器叶片喉道面积值的三坐标测量

讲述涡轮导向器叶片组件喉道面积值作为航空发动机设计和生产中的重要参数,如何加以严格的控制。其中以某涡扇发动机高压涡轮导向器叶片组件为例,对用三坐标测量涡轮导向器叶片组件喉道面积的优越性、测量原理、测量方法及测量过程的控制进行详细阐述。     

飞机真空泵故障模式分析

现代通用航空领域活塞发动机驱动的干式真空泵主要用于给姿态仪、航向仪等机载气动仪表提供真空源.简要介绍了现代通用航空领域活塞发动机驱动的干式真空泵的结构特点和工作原理,收集、整理了某飞行学校机队的真空泵故障数据,对真空泵故障模式进行了全面、系统的分类分析,并针对不同的故障模式研究对应的检查方法或预防措施,以延长真空泵寿命,提高真空泵的可靠性.     

基于机匣振动信号的滚动轴承故障特征提取

通过进行带机匣测点的滚动轴承故障模拟实验,获取滚动轴承在故障状态条件下,轴承座测点和机匣测点的振动数据。分析结果显示,相对于轴承座,机匣上的振动信号成分复杂,轴承故障特征不明显,直接进行包络解调无法提取故障特征。通过奇异值分解(singular value decomposition,SVD),差分谱中各峰值处奇异值可以表征不同成分的信号。当轴承故障信号微弱时,第一个峰值处的奇异值重构信号往往代表转频及其调制信号分量,选取该靠后峰值处的奇异值进行信号重构可以有效提取轴承故障特征信号。研究内容为实际基于机匣测点信号的航空发动机滚动轴承故障特征提取提供了一种新的方法。     

民航发动机气路故障诊断技术探析

目前,随着科技日新月异的发展,我国航空运输业也得到了快速的发展。作为民航的核心所在,民航发动机的正常运行是飞机正常飞行的保障。一直以来发动机故障在飞行故障中占有相当大的比例,是影响飞行安全的主要因素。因此,加强对民航发动机的故障诊断技术的研究就显得尤为重要了。本文根据民航的现状,介绍了航空发动机的监控技术、航空发动机气路故障类型以及常用的故障诊断技术。希望能对民航的发展起到一定的指导意义。     

靶场外弹道数据处理中野值点剔除方法

为了提高靶场数据处理精度,对已有的野值点剔除方法和最新进展进行了研究,从孤立型野值点和斑点型野值点两类野值点的产生角度出发,对适用于靶场外测数据处理中的剔野方法进行了理论研究和实验分析,通过仿真和比较各种方法的结果,得出不同的剔野方法在不同应用领域的优缺点,在相关行业具有较好的参考价值.     

基于Lyapunov指数能谱分布的转子-机匣系统故障诊断研究

提出了基于Lyapunov指数能谱分布的航空发动机转子-机匣系统故障诊断新方法.基于相空间重构,在优选重构参数的基础上,计算得到了某型航空发动机不同故障状态下机匣实测振动信号时间序列的Lyapunov指数谱;提出并定义了Lyapunov指数能、Lyapunov指数能谱、Lyapunov指数能谱分布的概念,获得了某型航空发动机在不同故障状态下的机匣实测振动信号时间序列的Lyapunov指数能谱及其分布,并基于此Lyapunov指数能谱分布对航空发动机转子-机匣系统进行了故障诊断和状态识别.研究结果表明:航空发动机机匣振动时间序列在不同状态下具有不同的Lyapunov指数能谱及其分布,即可以Lyapunov指数能谱及其分布作为识别其状态的特征量,为航空发动机转子-机匣系统的故障诊断和状态监控提供了新的可靠的方法.     

基于参数识别的航空发动机转子故障诊断与定位方法

航空发动机结构复杂,转子的故障诊断与定位是一个难点。考虑航空发动机实际测量条件,提出一种基于扩展卡尔曼滤波器的转子故障诊断方法,其核心是通过识别典型故障特征参数对转子的多种故障进行诊断和定位。针对实际航空发动机整机结构,用有限元法建立一种耦合的转子-支承-机匣动力学模型。该方法针对实际采集观测信号不完备的问题,采取加权整体迭代的方法来加快参数的稳定与收敛。针对所建立的航空发动机典型故障模型和实际模型存在误差的问题,采取衰减记忆滤波的方法来补偿误差。最后对含典型故障转子的航空发动机整机模型进行仿真计算得到数值解,作为未知故障的观测信号,结合加权整体迭代和衰减记忆滤波的扩展卡尔曼滤波方法,分析得到未知的故障特征参数,依此故障特征参数,实现对故障的识别和诊断,结果证明了该方法对航空发动机转子进行故障诊断和定位的有效性。     

A320飞机典型滑油系统故障与排故浅析

滑油系统是航空发动机正常工作的一个重要系统,其主要功能是保障发动机摩擦件的润滑、散热。针对A320飞机发动机CFM56—5B发动机滑油系统中发生的一起滑油压力低的典型故障原因进行了分析和排故,相应提出了在使用和维护中应注意的问题,为航空机务维护实践工作提供有益的借鉴。     

航空发动机转子早期裂纹故障振动特征的维谱分析

针对航空发动机转子早期裂纹故障难以检测的特点首先,根据转子裂纹扩展机理,建立早期裂纹转子振动分析理论模型,提出利用112维谱对早期裂纹振动信号进行分析。然后,利用112维谱分析法对早期裂纹转子理论模型和早期裂纹转子故障实验数据进行了具体分析。理论模型和实验数据分析结果都表明:应用112维谱对实际发动机转子早期裂纹故障信号进行分析,不仅能够得到一般频谱分析法难以获得的故障特征频率,还能对混叠噪声信号进行降噪。因此,112维谱能够有效的诊断航空发动机转子裂纹故障,在航空发动机故障诊断中具有一定的应用价值。     

Data Augmentation and Random Multi-Model Deep Learning for Data Classification

In the machine learning (ML) paradigm, data augmentation serves as a regularization approach for creating ML models. The increase in the diversification of training samples increases the generalization capabilities, which enhances the prediction performance of classifiers when tested on unseen examples. Deep learning (DL) models have a lot of parameters, and they frequently overfit. Effectively, to avoid overfitting, data plays a major role to augment the latest improvements in DL. Nevertheless, reliable data collection is a major limiting factor. Frequently, this problem is undertaken by combining augmentation of data, transfer learning, dropout, and methods of normalization in batches. In this paper, we introduce the application of data augmentation in the field of image classification using Random Multi-model Deep Learning (RMDL) which uses the association approaches of multiDL to yield random models for classification. We present a methodology for using Generative Adversarial Networks (GANs) to generate images for data augmenting. Through experiments, we discover that samples generated by GANs when fed into RMDL improve both accuracy and model efficiency. Experimenting across both MNIST and CIAFAR-10 datasets show that, error rate with proposed approach has been decreased with different random models.     

从数据属性和设计逻辑再审视数据可视化

目的 提倡关注数据的客观属性和数据情感,以数据思维和设计逻辑为基础重新建立数据可视化设计模型,在此基础上,对设计环节中的内容进行问题的提出与延展,企图寻找有价值、值得被关注的问题,避免设计模型成为一成不变的方程式,同时将设计思维与数据科学更好地结合起来,为未来数据可视化的设计实践提供新的视角。方法 再审视包含对“数据”的再审视以及对“设计逻辑”的再审视,在“数据”与“数据思维”内涵的辨析与自定义的推动下,以数据可视化案例的演绎为依据,从数据可视化设计逻辑的角度,观察可视化设计的关键环节。结论 数据呈现方式具备多样化的形式,且设计形式与数据属性密切相关。建立以“认识、创建、评估”3个阶段为基础的数据可视化设计模型,避免忽视评估阶段,同时在实际设计中,设计师需要同步参与这3个阶段。     

高分子科学实验中异常数据的判别与剔除

简单介绍了对测量值中异常数据进行判别与剔除的三种统计判别方法——3σ准则、格鲁布斯准则和Q检验方法的基本原理,并以高分子科学实验中的两个实例为代表,应用Visual Basic for Applica-tions(VBA)编写的程序模块,对测量值中异常数据的判别与剔除进行了详细讨论。     

Modeling Discrete Bivariate Data with Applications to Failure and Count Data

In this study, we propose a new class of flexible bivariate distributions for discrete random variables. The proposed class of distribution is based on the notion of conditional failure rate for a discrete‐type random variable. We derive general formulae for the joint distributions belonging to the proposed class that, unlike other discrete bivariate models already proposed in the literature such as the well‐known and most popular Holgate's bivariate Poisson distribution, can model both positive and negative dependence. We discuss general statistical properties of the proposed class as well. Specific families of bivariate distributions can be generated from the general class proposed in this paper just by specifying the ‘baseline distributions’. Furthermore, specific discrete bivariate distributions belonging to the proposed class are applied to analyze three real data sets, and the results are compared with those obtained from conventional models. Copyright © 2017 John Wiley & Sons, Ltd.