航空发动机智能转速传感器的设计

根据航空发动机转速传感器的测量原理,提出一种基于DSP的智能转速传感器.设计了信号调理电路和DSP外围接口电路,编写了片内汇编程序.实验表明,该智能传感器不仅测量精度高,误差仅为0.047 33﹪,而且集成度高、处理速度快,可应用于航空发动机全权限数字式电子控制系统中.     

带约束卡尔曼滤波对涡扇发动机状态估计

提出了一种加入线性不等式约束的卡尔曼滤波方法,并用于涡扇发动机的健康状况估计。涡扇发动机数字模型包含10个状态变量、12个量测量、6个控制输入量以及8个健康状况参数。不等式约束不仅保证了状态变量估计在用户自定义的范围内随时间变化平稳缓慢,而且还提高了滤波计算效率,改善了滤波估计精度。同时系统还允许滤波器沿确定的方向修正状态变量估计,以保持状态变量真值恒定。对比传统的无约束卡尔曼滤波,线性化滤波结果显示,该方法对涡扇发动机的健康状况估计尤其行之有效。     

单神经元自适应PID控制在电动油门控制中的应用

利用单神经元模型自学习和自适应特点,在传统PID控制基础上设计出了一种单神经元自适应PID控制器,并将其应用于电动油门控制系统中。实验结果表明:采用单神经元自适应PID控制的电动油门系统能够适应油门手柄在较大范围内的推拉运动,而且控制具有较强的鲁棒性,控制品质优于常规PID控制。     

基于深度学习的航空发动机传感器故障检测

针对传统反向传播(BP)神经网络和支持向量机(SVM)存在的过拟合、维数灾难、参数选择困难等问题,提出了一种基于深度学习算法的航空发动机传感器故障检测方法.对发动机参数记录仪采集的多维数据进行预处理,建立基于深度置信网络(DBN)的故障检测模型,利用预处理后的数据对检测模型进行训练,经过DBN故障检测模型逐层特征学习实现了传感器故障检测.仿真结果表明:在无人工特征提取和人工特征提取的情况下,基于DBN故障检测的准确率均高于BP神经网络和SVM模型.     

DDoS攻击和防御机制分类研究

随着Internet的迅速发展,网络安全问题日益突出,其中分布式拒绝服务（DDoS）攻击对Internet构成巨大威胁。在分析DDoS攻击机理的基础上,对攻击和防御机制进行分类,以便有效地分析、认识分布式拒绝服务攻击行为。     

基于神经网络自适应控制技术的发动机仿真

利用神经网络自适应控制技术,以某型涡扇发动机为被控对象,通过含实物实时仿真实验,验证了控制算法具有良好的实时性,而且具有一定的鲁棒性,是一种良好的发动机多变量控制系统。     

基于自适应遗传算法的多项式模型结构与参数的一体化辨识

基于自适应遗传算法,提出一种多项式模型结构与参数的一体化辨识方法.针对组合非线性系统,首先将选定的候选项原始序列与输出序列进行相关度评估,根据其大小排列进行遗传算法染色体结构的自适应编码;在迭代辨识充分后,再次计算候选项贡献序列与由该项造成的模型损失序列间的相关度,剔除相关度较小的项,调整模型结构;如此循环迭代,在完成参数辨识的同时最终确认模型结构.仿真实例验证了算法的有效性.     

SQP方法在航空发动机加速寻优控制中的应用

介绍了利用线性加权和法构造评价函数和序列二次规划法(SQP)解多目标最优化问题的算法,解决了某型发动机的加速过程性能寻优控制问题.仿真计算表明通过性能寻优控制可以使发动机具有良好的加速性.应用序列二次规划法进行加速寻优控制,具有良好的沿约束边界搜索的能力,可以充分发掘发动机的性能潜力.序列二次规划法适合用于发动机的加速性能寻优控制.     

基于PC总线的EEC检测研究

本文提出了一种基于虚拟仪器技术的EEC检测系统,并应用在某型涡扇发动机综合电子调节器t4通道的监控与测试中。系统利用Delphi语言底层编程技术,采用PCL系列板卡模拟EEC检测需要的发动机传感器、电磁活门信号,根据采样信号判断EEC通道状态。t4通道调整值检测结论表明,该系统检测原理可靠,精度高,性能稳定,对于分析研究EEC的内部结构和控制规律,提高发动机品质和飞行安全具有重要意义。