飞机全静压测试系统设计

飞机全静压测试系统是机务人员在航线以及内场工作时测试飞机全静压系统的主要设备,需要按照测试要求提供准确可控的气源.系统以比例阀为核心器件,自主进行了硬件设计、软件设计、气路和结构设计,最终完成的样机能够按照测试人员的简单指令,为飞机全压、静压系统分别提供高精度的气源,实现自动测试,控制精度达到1.6％,实现了全自动测试和设备的自主维护,可以节约民航领域相关测试环节的成本.     

一种小型固定翼无人机姿态测量系统的设计

针对小型固定翼无人机设计中对姿态测量系统小型化、低成本的需要,设计了以STM32F405为处理核心的低成本的姿态测量系统。系统采用MARG传感器方案,利用优化的梯度递减算法对采集的数据进行处理,将处理结果通过改进的互补滤波算法完成数据的融合,最终完成飞行姿态参数的解算。实验验证表明,所设计的系统具有实时性、低功耗、低成本、小型化等特点,能较好地完成无人机的姿态角数据的测量,具有较强实用性。     

基于CapsNet的飞控参数预测算法

针对飞行控制系统(Flight Control System,FCS)一直以来难以进行故障预测的问题,提出一种基于胶囊网络(Capsule Network,CapsNet)的飞控参数预测算法.通过将飞控系统的相关多个参数融合输入到模型中来实时预测单个参数在飞机飞行中的变化,从而可以在其发生故障之前及时排除.在基于Keras框架上进行的实验表明:在四种模型性能评估指标上,CapsNet的方法比传统的卷积神经网络(Convolutional Neural Network,CNN)、长短时记忆网络(Long Short-Term Memory,LSTM)在单步以及多步预测上误差平均降低37.1％、8.1％,可以为飞控系统故障预测提供重大参考.     

基于Fourier频谱分析的白光干涉信号解算方法

采样噪声对白光干涉信号Fourier频谱的各个频率均有影响,选用合适的滤波方法进行滤波将有助于提高白光干涉信号信噪比并获得更加准确的解算结果.构建了特定能量比例条件下的能量最集中约束条件,并建立了选取带通滤波器的代价方程.实验给出了白光LED照明条件下代价方程的部分计算过程和结果,代价方程取得最小值时表面粗糙度测量标准...     

飞机机电系统效能评估方法体系研究

为实现面向飞机能量的多电飞机机电系统的稳健效能评估,从提高效能结果稳定性出发,确定了一套系统的效能评估方法体系.针对传统的效能评估活动,提出相应的改进措施来缩减每个评估节点存在的风险.其中,根据机电系统的功能结构以及飞行任务,提出了基于系统级、飞行任务级和保障级的具有三维立体多层次特征的效能评估指标体系构建模式,并依据...     

基于增量式PID控制的全静压测试系统设计

针对现阶段全静压测试设备结构复杂、成本高,自动化程度低、效率低的问题,提出一种基于增量式PID控制的全静压测试系统的设计方法;系统通过STM32单片机完成核心控制任务,实现对密闭容器及管路中压力的精确控制,并完成压力的自动测量和相关飞行参数的显示;实验证明该系统具有响应速度快,超调量小等优点,并且能达到全静压系统测试精度的要求;该全静压测试系统成本低廉,通用性强,使用方便,测试周期短,适合于多种机型,具有较好有应用前景。     

基于CNN-LSTM的QAR数据特征提取与预测

针对传统数据驱动的故障诊断方法难以从QAR数据中提取有效特征的问题,提出一种融合卷积神经网络（convolutional neural network,CNN）与长短时记忆网络（long short-term memory,LSTM）的双通道融合模型CNN-LSTM。CNN与LSTM分别作为两个通道,通过注意力机制（attention）融合,从而使模型能同时表达数据在空间维度和时间维度上的特征,并以时间序列预测的方式验证融合模型特征提取的有效性。实验结果表明,双通道融合模型与单一的CNN、LSTM相比,能够更有效地提取数据特征,模型单步预测与多步预测误差平均降低35.3%。为基于QAR数据的故障诊断提供一种新的研究思路。     

基于DDS的民航飞机选择呼叫发射机研制

选择呼叫发射机主要用于飞机选择呼叫系统的测试,需要按照测试要求产生与实际相符的信号。系统采用DDS技术,设计选择呼叫信号的数字合成、载波信号频率控制和调幅射频放大3部分电路,并将其集成到系统内部,是一套完整的选择呼叫信号发射机。研制的系统实验指标达到设计标准,产生的信号准确稳定,能够按照设定同时发送3路甚高频选择呼叫射频信号,可以直接用于对飞机选择呼叫接收机的测试。     

基于聚类分析的航班油耗组合估计

针对碳排放报告中燃油消耗数据存在单个不连续缺失和连续缺失2类数据,使用单一方法估计误差大的问题,提出一种基于聚类分析的组合估计方法。该方法首先采用K-medoids聚类算法将数据归类为单个不连续缺失数据以及连续缺失数据,然后使用NB方法对单个不连续数据进行估计填充,使用DTW方法对连续缺失数据估计填充,最后分别在1%、2%以及3%均方根误差时进行估计结果评价。实验结果表明：基于聚类分析的NB-DTW组合方法能有效降低估计误差,在1%、2%以及3%均方根误差时比NB方法分别降低了9.3%、12.1%、12.96%,比DTW方法分别降低了35.46%、43.62%、55.04%。