军用飞机任务保障规划方案效率分析

针对军用飞机再次出动保障任务规划方案的效率分析缺乏有效的解决方法的问题,构建了基于灰色聚类算法与熵权法相结合的任务保障规划方案效率分析模型;该模型首先利用灰色聚类对保障方案的人员利用率的有效参数进行计算并确定;其后利用熵权法对保障方案的人员数量时间分布进行计算;在此基础上根据任务规划工期、人员利用率、人员数量时间分布3个参数的权重得到任务保障规划方案效率;文中通过实例对构建的效率分析模型进行了验证;结果表明:所构建的效率分析模型能够有效的对军用飞机任务保障规划方案效率分析,且具有较高的可靠性和很好的工程应用价值。     

基于DPCA与LSSVM的飞机发动机异常状态识别

针对飞机发动机异常状态识别精度差、效率低和易误诊漏诊等问题,提出了一种基于动态主元分析 (Dynamic Principal Component Analysis, DPCA)和最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)的飞机发动机润滑系统异常状态识别方法。首先对发动机润滑系统参数进行DPCA处理以及在线检测是否有故障发生,如果有故障发生,再采用LSSVM方法进行异常状态识别。以某型飞机发动机润滑系统为例,对文中所提方法的准确性进行试验验证,由试验结果得出文中方法能有效提高飞机发动机异常状态识别准确率。     

基于小波包与支持向量机的复杂信号模式识别

为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量.利用"一对一"的分类策略和二又树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%.实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力.     

汽轮机产品配套件的标准化管理

标准和标准化工作在企业生产管理、技术管理、提高产品质量、增加经济效益造方面都发挥着极其重要的作用。而作为技术管理的一个重要组成部分——产品配套件的标准化管理,在保证企业产品的生产周期和质量、提高经营效益以及扩大市场信誉等方面,都占有不可忽视的特殊地位。标准与标准化工作的水平实际上是直接衡量企业素质与质量水平的标志,但只有高水平的产品标准而无对配套标准体系的有效控制,企业产品的水平和质量也是难以保证的。对产品配套件的管理是不可忽视的标准化工作之一。笔者根据多年的工作实践与感受,对此专项工作加以概要…     

3-取代剑麻皂素的合成

剑麻皂素是一种结构特殊的天然化合物,本文从剑麻皂素出发,首先经过Collins试剂氧化,生成3-羰基剑麻皂素,然后在3-位分别引入肟基、腙基和缩胺硫腙基,合成了一些3-取代剑麻皂素化合物,并对合成条件进行了探讨。     

由天然左旋多巴合成左旋多巴醇的研究

从广西天然黎豆中提取得到的左旋多巴(Ⅰ)为原料,通过酯化反应得到左旋多巴乙酯(Ⅱ)。采用NaBH4-CeCl3、NaBH4-LiCl、NaBH4-CaCl2作为还原体系,在无水乙醇溶剂中,将左旋多巴乙酯(Ⅱ)还原为左旋多巴醇(Ⅲ)。结果表明,采用NaBH4-CeCl3作为还原体系,有产率高,速度快等优点。该反应中首次采用天然氨基酸合成氨基醇,并采用NaBH4-CeCl3作为还原体系这种新的还原方法。     

基于邻域粗糙集的航空发电机健康诊断方法

提出一种基于邻域粗糙集和支持向量机相结合的航空发电机智能健康诊断方法.采用专业健康试验平台对某型战斗机的真实航空发电机进行试验,得到转速、负载、油压等大量表征发电机健康状态的监测数据.引入数据挖掘思想,采用邻域粗糙集理论对监测数据进行属性约简,将约简后的属性集输入给所设计的支持向量机健康诊断器,对航空发电机的健康状态进行了诊断研究.研究表明,该方法能够很好实现对某真实航空发电机的健康诊断,具有较高的推广应用价值.     

飞机机电系统关键部件性能趋势分析方法

飞机发电机作为飞机机电系统的关键部件之一,为飞机提供主要的电力来源,其运行状态在飞机的使用过程中至关重要。为改善和提升飞机发电机的性能变化趋势的预测精度,更好实现对飞机发电机性能变化的趋势分析,以某型真实飞机发电机为研究对象,提出一种由多项式趋势预测模型和ARMA模型相结合的组合预测方法来对该型飞机发电机进行性能趋势分析。首先,在专业试验平台上对该型飞机发电机进行了长期大量试验,获取了大量性能表征信息。在此基础上,将多项式趋势预测模型和ARMA模型进行组合,综合运用多项式趋势预测模型良好的趋势拟合能力和ARMA的时间序列分析功能,对该型飞机发电机进行性能趋势分析。试验验证结果表明,这种组合预测方法优于传统单一模型的预测方法,具有很高的预测精度,能够更好地实现对飞机发电机的性能趋势分析效能,具有较高的工程应用价值。     

基于声发射技术飞机关键部件健康监测方法

为解决飞机关键结构部件疲劳损伤的有效监测,及时发现潜在的安全隐患,避免灾难性事故的发生.对于采用先进声发射技术所监测到的某飞机水平尾翼的原始声发射信息,提出采用小波包分析与支持向量机相结合的方法对匕机水平尾翼的健康状况进行识别与诊断.该方法将飞机水平尾翼产乍的原始声发射信号进行多级小波包分解,提取其频带能量作为特征向量,输入到由支持向量机构建的健康监测器对其进行健康识别与诊断.实验结果表明,该方法可以有效、准确地识别并诊断出飞机水平尾翼的疲劳裂纹,为飞机结构部件健康状态的有效监测提供了新途径.     

基于深度学习与信息融合的燃气轮机故障诊断

为有效、准确地诊断出燃气轮机健康状态,在燃气轮机专用试验平台对其进行试车试验,获取主泵、喷口加力调节器、滑油压差传感器等关键部件的原始信息,采用核主元分析(Kernel Principal Component Analysis,简称KPCA)方法对原始信息进行处理,提取燃气轮机关键部件状态表征参数的核主元,创建特征向量空间。由于深度学习可以构建含多隐层的学习模型,实现逐层的特征变换,从而自适应地捕获隐藏于故障数据内部的有用信息,增强诊断过程的智能性,因此由核主元特征向量创建深度学习故障诊断模型,对燃气轮机进行了故障诊断技术研究。与此同时,亦创建了极限学习机(Extreme Learning Machine,简称ELM)故障诊断模型并进行了诊断,结果表明深度学习正确诊断率明显优于极限学习机。在此基础上,尚采用信息融合技术对以上两种方法的诊断结果进行决策层融合,进一步提升了故障诊断准确率。研究表明,该方法能有效诊断出燃气轮机关键部件健康与故障状态,具有很好的工程应用前景。