NX在航空发动机机匣铣加工中的应用

本文以航空发动机某典型对开机匣为例,介绍了航空机匣的主要结构特点,并简单介绍了NX软件在机匣类零件上经常使用的同步建模和多轴铣加工两个典型的设计和加工模块。通过NX同步建模功能对该典型零件数控模型修改的应用实例,以及多轴铣加工模块在零件外型大面和清根加工的应用实例,论述了NX软件在机匣加工工序模型创建和多轴数控程序编制中高效的实用性。     

基于小波包分析的航空发动机故障诊断

航空发动机是一种复杂的旋转机械,故障种类多面且难以辨别。为了保定飞行安全,对航空发动机的故障进行正确、快速地检测,在分析航空发动机故障特征的基础上,利用发动机振动信号的时域指标判断发动机工作是否正常,再对存在故障的发动机振动信号进行小波包分解,作出频带能量图来进一步识别故障。按上述方法对某型涡轮风扇发动机在飞行中空中停车的振动信号作了分析,准确地识别出了故障。结果表明,小波包分解方法进行航空发动机故障诊断具有简单、直观的实际应用价值。     

环形壳体零件表面上异型孔口倒圆角的铣削方法

一、引言 航空发动机的零件多为环形件,结构较复杂、精度高,尤其是很多环类零件辐板上有多组异型通孔,且孔口内外要求倒圆角,给加工提出了难题.传统方法是采用钳工手工倒圆角,劳动强度大,加工效率低且质量不稳定.     

基于多线程的航空发动机数据采集系统软件设计

航空发动机结构复杂,随着航空发动机不断发展,发动机试验中需要采集的参数越来越多,相关的性能计算也越来越复杂,需要存储的数据量不断增加,因此对数据采集系统性能提出了更高的要求.该数据采集系统以多线程思想为设计核心,以MFC(微软公司基础类)为开发环境,通过把不同的功能,诸如数据采集、实时显示、数据计算处理等分配给不同的线程并发执行,并设计合理的线程调度方法,从而有效提高了数据采集系统的整体性能,满足航空发动机试验的需要.     

基于监督式机器学习的零件几何特征智能识别

针对在采用机器视觉的无夹具定位的壳体类零件几何参数检测过程中,需要先智能识别零件几何特征以规划检测路径的问题,提出一种基于监督式机器学习的几何特征智能识别方法。利用壳体零件待识别特征的中心位置关系构成特征矩阵,利用监督式机器学习算法进行识别,提出一种基于特征唯一性的纠错方法对分类过程中产生的识别错误进行纠正。对于所涉研究实例,零件共有4个待识别孔,在5次监督式训练后智能识别准确度达100%。     

一种航空发动机燃油调节系统仿真方法

由于传统建模技术有高成本、高复杂性的缺点,计算机仿真技术随之兴起,正逐渐取代传统建模技术.AMEsim仿真平台由于其完备的模型库,在建模中发挥了越来越重要的作用.论文在AMEsim建立的航空发动机燃油调节系统模型的基础上,人为设置故障,得到系统的故障数据,并在Matlab上对故障数据用主元分析法进行降维,得到特征数据,采取支持向量机法对特征数据进行训练,最后用测试数据验证结果的准确性.实验结果完全分辨出测试数据代表的故障,这验证了支持向量机法用于航空发动机燃油调节系统故障诊断的优越性和可靠性,可用于航空发动机燃油调节系统的故障诊断.     

航空发动机转子故障诊断系统设计与实现

为准确、高效地诊断航空发动机转子系统故障,采用面向对象的程序设计方法,在VC++开发环境下,设计开发了航空发动机转子故障诊断系统。系统包含四个模块:数据采集模块采用多线程处理技术,配合数据采集设备实现多通道数据同步采集;信号分析和特征提取模块利用封装的改进经验模态分解算法类CEmd进行故障信号处理并从中提取故障特征;模式识别模块基于Lib SVM和GAlib库模板建立了基于支持向量机的故障识别模型。在航空发动机转子模拟实验台上对该系统进行测试,结果表明参数设置适当时,系统对转子典型故障的诊断精度达到了98%。     

SolidWorks机加工类产品设计

机加工类(车削、铣削等)是指通过加工机械精确去除材料的加工工艺类零件。某些机加工类零件的毛坯料是由铸锻成型,如果大部分外形结构由机加工后成形,本文也把此类零件归类为机加工类零件,适用机加工类零件建模规则。     

某新型航空发动机的建模及仿真研究

建立航空发动机的数学模型进行仿真实验在发动机的整个研制过程中尤为重要.针对目前大多航空发动机的建模及仿真研究都仅限于单轴或双轴发动机的问题,结合某新型航空发动机的特点提出三轴发动机的建模及仿真方法,并通过HIL仿真试验系统的综合测试.对比分析结果表明,某型航空发动机的数学模型具有较高的置信度,所提出的数学模型能够满足控制器HIL仿真、控制器测试等方面的应用要求.     

航空发动机故障特征仿真研究

航空发动机作为飞机的核心,决定着飞机的性能和安全。发动机一旦出现故障,很可能导致非常严重的航空事故,造成巨大的人员伤亡和经济损失。根据航空发动机故障机理,通过建立航空发动机部件模型对常见的气路故障进行分析与仿真,并根据振动-征兆关系矩阵对振动故障进行仿真,获得了两类故障的特征。目的是为保证航空发动机的安全运行,发动机故障诊断和预测提供依据。     

一种组合特征抽取的新方法

该文提出了一种基于特征级融合的特征抽取新方法，首先，给出了一种合理的特征融合策略，即利用复向量给出组合特征的表示，将特征空间从实向量空间拓广到复向量空间，然后，发展了具有统计不相关性的鉴别分析的理论，并将其用于复向量空间内最优鉴别特征的抽取，最后，在Concordia大学的CENPARMI手写体阿拉伯数字数据库以及南京理工大学NUST603HW手写汉字库上的试验结果表明，所提出的组合特征抽取方法不仅具有很强的维数压缩能力，而且较大幅度地提高了识别率。     

基于深度自编码网络的软件缺陷预测方法

软件缺陷预测是提升软件质量的有效方法,而软件缺陷预测方法的预测效果与数据集自身的特点有着密切的相关性。针对软件缺陷预测中数据集特征信息冗余、维度过大的问题,结合深度学习对数据特征强大的学习能力,提出了一种基于深度自编码网络的软件缺陷预测方法。该方法首先使用一种基于无监督学习的采样方法对6个开源项目数据集进行采样,解决了数据集中类不平衡问题;然后训练出一个深度自编码网络模型。该模型能对数据集进行特征降维,模型的最后使用了三种分类器进行连接,该模型使用降维后的训练集训练分类器,最后用测试集进行预测。实验结果表明,该方法在维数较大、特征信息冗余的数据集上的预测性能要优于基准的软件缺陷预测模型和基于现有的特征提取方法的软件缺陷预测模型,并且适用于不同分类算法。     

基于实体模型的产品形状特征识别

依据实体造型的特点,从模型空间的特征层入手,搜寻模型空间中的简单形状特征,并根据造型特点获取单个特征在零件模型上的几何拓扑关系,从而实现形状特征的自动识别.通过分析特征实体造型,提出一种基于实体模型的产品形状特征识别方法,并结合微波器件产品开发特征参数提取模块,实现复杂零件模型形状特征的自动识别与提取.该方法为快速建立企业零件库提供途径,也为网络环境下的协同设计和数据共享奠定基础.     

基于图像的人体特征点提取与尺寸测量

人体特征点提取和尺寸测量一直是虚拟服装试衣的关键内容.本文在人体图像基础上,通过对ASM算法进行改进实现人体特征点提取以及特征点尺寸测量.首先,算法计算待测图片中人脸和身体两个中心点欧式距离与对应模板进行匹配,改变传统ASM算法单一模板局部模板匹配模式,提高了初次模型匹配的准确率和效率;接着,以特征点为中心选择较少有效邻域点在其灰度训练模型中目标搜索,解决传统ASM方法匹配时间长且特征点易匹配失败问题;另外,针对人体胯部以下区域易出现仅单侧拟合效果较好问题,利用马氏距离公式选择特定矩阵大小邻域范围内点的灰度与灰度模型比较,并且结合人体体型分布及对称性特点进行拟合处理.实验结果表明了该方法能适应复杂背景下人体图像的特征点提取与尺寸测量,提高人体特征点提取和尺寸测量精度.     

K-split Lasso:有效的肿瘤特征基因选择方法

随着DNA微阵列技术的出现,大量关于不同肿瘤的基因表达谱数据集被发布到网络上,从而使得对肿瘤特征基因选择和亚型分类的研究成为生物信息学领域的热点。基于Lasso(least absolute shrinkage and selection operator)方法提出了K-split Lasso特征选择方法,其基本思想是将数据集平均划分为K份,分别使用Lasso方法对每份进行特征选择,而后将选择出来的每份特征子集合并,重新进行特征选择,得到最终的特征基因。实验采用支持向量机作为分类器,结果表明K-split Lasso方法减少了冗余特征,提高了分类精度,具有良好的稳定性。由于每次计算的维数降低,K-split Lasso方法解决了计算开销过大的问题,并在一定程度上解决了"过拟合"问题。因此K-split Lasso方法是一种有效的肿瘤特征基因选择方法。     

基于遗传算法的入侵检测特征选择*

针对入侵检测日志数据存在大量不相关特征和冗余特征,导致入侵检测数据集维数较高,检测算法实时性较低的问题,提出一种基于遗传算法的入侵检测特征选择算法。首先删除入侵检测数据集中的不相关特征及冗余特征,构建有效特征集L,并通过偏F检验对特征进一步选择,构成待优化特征集L’;然后采用遗传算法对L’进行优化选择,选出最能反映系统状态的特征集L″。仿真实验结果证明,该算法在保证特征分类精度和确保入侵检测漏检率、误检率尽量小的前提下明显提高了入侵检测的效率。     

基于核稀疏表示的特征选择算法*

为了解决高维数据在分类时导致的维数灾难,降维是数据预处理阶段的主要步骤。基于稀疏学习进行特征选择是目前的研究热点。针对现实中大量非线性可分问题,借助核技巧,将非线性可分的数据样本映射到核空间,以解决特征的非线性相似问题。进一步对核空间的数据样本进行稀疏重构,得到原数据在核空间的一种简洁的稀疏表达方式,然后构建相应的评分机制选择最优子集。受益于稀疏学习的自然判别能力,该算法能够选择出保持原始数据结构特性的"好"特征,从而降低学习模型的计算复杂度并提升分类精度。在标准UCI数据集上的实验结果表明,其性能上与同类算法相比平均可提高约5%。     

自回归模型在平面曲线识别中的应用

在计算机视觉中,平面曲线的形状分类和识别具有重要的意义,在立体足迹的重压面边界围线的形状分类和识别中,由于不能严格控制基准面方向的一致性,必须采取对透视变换不敏感的描述方法,从空间旋转不变的要求出发,首先从平面闭合曲线得到一维极径序列,进而采用该序列的自回归模型来完成特征提取并用于平面曲线的形状分类,与传统方法相比,这种方法提取的特征具有与采样起始点无关、受噪声影响小、计算简单、方便用于分类等优点     

一种基于各向异性高斯核核惩罚的PCA特征提取算法

提出了一种基于各向异性高斯核核惩罚的主成分分析的特征提取算法.该算法不同于传统的核主成分分析算法.在非线性数据降维中,传统的核主成分分析算法忽略了原始数据的无量纲化.此外,传统的核函数在各维度上主要由一个相同的核宽参数控制,该方法无法准确反映各维度不同特征的重要性,从而导致降维过程中准确率低下.为了解决上述问题,首先针对现原始数据的无量纲化问题,提出了一种均值化算法,使得原始数据的总方差贡献率有明显的提高.其次,引入了各向异性高斯核函数,该核函数每个维度拥有不同的核宽参数,各核宽参数能够准确地反映所在维度数据特征的重要性.再次,基于各向异性高斯核函数建立了核主成分分析的特征惩罚目标函数,以便用较少的特征表示原始数据,并反映每个主成分信息的重要性.最后,为了寻求最佳特征,引入梯度下降算法来更新特征惩罚目标函数中的核宽度和控制特征提取算法的迭代过程.为了验证所提出算法的有效性,各算法在UCI公开数据集上和KDDCUP99数据集上进行了比较.实验结果表明,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法在9种公开的UCI公开数据集上准确率平均提高了4.49%.在KDDCUP99数据集上,所提基于各向异性高斯核核惩罚的主成分分析的特征提取算法比传统的主成分分析算法准确率提高了8%.     

基于痕迹的特征模型解释技术研究

提出了一种基于痕迹的特征模型多重解释新方法,通过一次分解两次组合形成零件所有可能的制造特征模型,首先,制造特征模型中的特征被分解为最小国呀体;然后利用残留在最小加工体中的特征痕迹,重构零件所有可能的制造特征;根据制造特征模型的存在条件,建立制造特征模型方程,该多解方程的解就是零件制造特征模型的多重解释。