切换LPV系统的抗攻击无扰切换控制

本文针对遭受切换冲击和网络数据注入攻击影响的切换线性变参(LPV)系统,给出保护网络信息安全传输的抗攻击机制,提出一种无扰切换控制方法.首先,设计一种新颖的基于编码/解码器的抗攻击机制,可抵御恶意注入攻击信号对系统反馈通信的干扰.基于此,建立切换LPV系统的抗攻击动态输出反馈闭环控制模型.考虑到模式之间的无扰过渡问题,给出与动态输出反馈控制设计互为补充的,满足无扰切换设计需求和H∞性能指标的控制增益可行条件.在本文提出的控制律下,进一步获取了能保证切换LPV系统指数稳定性的充分条件.最后,通过数值仿真验证所提出抗攻击无扰切换控制方法的有效性.     

飞机液压系统健康状态综合评估技术研究

针对目前飞机液压系统健康状态难以准确评估问题,构建了一个基于灰色聚类法和熵权法相结合的飞机关键部件—液压系统两级健康状态综合评估模型。该模型首先利用熵权法对飞机液压系统各部件相关参数的权重进行计算并确定,然后利用灰色聚类法对飞机液压系统各部件进行健康状态综合评估,得到各部件的聚类系数。在此基础上,用所得各部件聚类系数构成飞机液压系统健康状态综合评估的评判矩阵,再用熵权法计算并确定飞机液压系统各部件的权重,最后利用灰色聚类法对飞机液压系统的整体健康状态进行综合评估,从而得到飞机液压系统健康状态综合评估结果。通过实例对所构建的评估模型进行试验验证。研究结果表明,所构建的健康状态评估模型能够实现飞机液压系统健康状态综合评估效能,具有良好的工程应用前景。     

基于动态PCA与改进SVM的航空发动机故障诊断

为了对航空发动机进行高效地故障诊断,确保飞机的飞行安全,提出了一种基于动态主元分析和改进支持向量机的航空发动机智能故障诊断方法。该方法结合了动态主元分析(principal component analysis,简称PCA)在特征提取方面和改进支持向量机(support vector machine,简称SVM)在故障诊断方面的优势。动态PCA方法对所涉及的过程变量进行去噪、降维、消除相关性等预处理和特征提取,采用改进SVM方法将所得的特征向量进行故障诊断诊断。所提出的方法可解决航空发动机模型精度和传感器测量参数有限情况下的滑油系统故障诊断精度差、效率低和易误诊、漏诊等问题。以某型真实航空发动机滑油系统为例,对提出方法的有效性进行试验验证。结果表明,采用的动态PCA和改进SVM故障诊断方法能有效提高故障诊断正确率,实现航空发动机滑油系统故障诊断的效能,具有较好的应用价值与前景。     

基于动态PCA与改进SVM的航空发动机故障诊断

为了对航空发动机进行高效地故障诊断,确保飞机的飞行安全,提出了一种基于动态主元分析和改进支持向量机的航空发动机智能故障诊断方法。该方法结合了动态主元分析(principal component analysis,简称PCA)在特征提取方面和改进支持向量机（support vector machine,简称SVM）在故障诊断方面的优势。动态PCA方法对所涉及的过程变量进行去噪、降维、消除相关性等预处理和特征提取,采用改进SVM方法将所得的特征向量进行故障诊断诊断。所提出的方法可解决航空发动机模型精度和传感器测量参数有限情况下的滑油系统故障诊断精度差、效率低和易误诊、漏诊等问题。以某型真实航空发动机滑油系统为例,对提出方法的有效性进行试验验证。结果表明,采用的动态PCA和改进SVM故障诊断方法能有效提高故障诊断正确率,实现航空发动机滑油系统故障诊断的效能,具有较好的应用价值与前景。     

基于DMS和LS-SVM的复合材料结构健康预测方法

复合材料结构损伤机理复杂,其损伤破坏一般呈现缓慢扩展趋势。为了有效地对复合材料结构健康状态进行预测,将距离形态相似度(DMS)和最小二乘支持向量机(LS-SVM)模型引入复合材料结构健康状态预测中,提出了基于DMS和LS-SVM的复合材料结构健康状态预测方法。首先,以复合材料层合板(T300/QY8911)为具体研究对象,对其进行损伤试验,采集其振动加速度作为表征其健康状态的原始信息,并进行小波包分解,利用分解得到的各个频带信号的样本熵作为特征向量;然后,采用距离形态相似度(DMS)方法确定结构健康指数;最后,将结构健康指数作为建模数据用以构建LS-SVM预测模型,预测复合材料结构健康指数。结果表明,该方法可以有效实现复合材料结构裂纹损伤的预测,具有很好的应用前景。     

基于LTSA和RVM的复合材料损伤预测分析

提出一种基于局部切空间排序(local tangent space alignment,简称LTSA)和相关向量机(relevance uector machine,简称RVM)相结合的复合材料结构损伤演化与预测模型。针对复合材料结构损伤特性,采用疲劳振动试验进行结构损伤预测研究。首先,采用总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)方法对多传感器采集的复合材料结构健康信息进行自适应分解,得到不同传感器下的多个本征模态分量(intrinsic mode function,简称IMF),并对IMF进行希尔伯特(Hilbert)变换,得到相应的Hilbert边际谱能量作为各传感器的特征信息;然后,采用LTSA进行多特征降维融合得到特征能量,对降维融合后得到特征能量采用距离形态相似度方法定义结构健康指数;最后,将结构健康指数作为建模数据,创建RVM预测模型,并通过预测结构健康指数完成复合材料结构损伤预测研究。验证结果表明,该模型可有效地对复合材料结构损伤进行预测。     

基于SK和LSSVM的飞机空气制冷机寿命趋势分析

针对工程上所获取的飞机空气制冷机信息本身具有的不确定性等特点,提出了谱峭度(spectral kurtosis,简称SK)和最小二乘支持向量机(least squares support vector machine,简称LSSVM)相结合的寿命趋势分析方法。首先,将寿命表征参量通过经验模态分解(empirical mode decomposition,简称EMD)分解为多个固有模态分量(intrinsic mode function,简称IMF),分别对多个IMF分量进行傅里叶变换,得到多个频谱,计算每根谱线的谱峭度;其次,通过谱峭度寻找到影响飞机空气制冷机失效的主要IMF分量,对其进行信号重构;最后,提取重构后信号的能量特征,创建最小二乘支持向量机寿命趋势模型,对飞机空气制冷机寿命趋势进行预测。通过对实际监测数据的分析和验证结果表明,该方法可以实现飞机空气制冷机寿命趋势分析效能,具有很好的工程应用价值。     

飞机液压系统库存备件综合保障决策方法

飞机液压系统库存备件综合保障过程存在大量不确定性,使其库存备件保障决策困难。以离散型概率序列运算理论为基础,创建了飞机液压系统库存备件综合保障决策模型。本文将飞机液压系统备件需求、维修、存储的数量看作一维离散的随机变量,并运用离散型概率序列之间的交积、卷差、卷和运算来分析保障决策过程中各随机事件之间的相互作用,从而对飞机液压系统库存备件综合保障过程进行动态描述。通过离散型概率序列运算理论制订了备件保障满足率,来预测飞机液压系统库存备件保障的时机和数量,从而为飞机液压系统库存备件综合保障提供最优的决策依据。试验结果表明,采用所建模型对飞机液压系统库存备件进行综合保障,所得结果与库存备件实际需求状况相符。该方法也可应用于航空航天及其他领域的库存备件保障决策,具有很好的工程应用前景。