基于Spark的飞机试验数据预处理技术研究

飞机飞行试验是飞机交付运营前的必要环节。在飞机飞行试验过程中会产生大量的试验数据,这些数据对飞机的研制、定型、改进具有重要意义。传统的试验数据预处理技术多采用单机工作模式,无法快速处理海量试验数据。鉴于此,对基于spark分布式内存计算技术进行了研究。通过预先剔除参数组中不存在于当前数据文件中的参数群,减少分布式集群间的数据通讯与航空领域429协议、232协议、664协议的数据预处理时间,提高飞行试验的效率。最后,选择30GB飞行试验数据作为实验对象进行验证。结果表明,该方法有效地提高了数据解析效率,克服了传统数据处理方式效率低下,单个机器内存和CPU等硬件条件不足的问题。     

航天器地面健康管理验证系统设计与实现

航天器地面健康管理系统作为整个航天器健康管理系统的核心,主要为技术人员提供航天器试验、运行和管理过程中的数据分析、诊断、预测等服务;目前由于航天器故障机理难以获取、故障验证环境不足、缺乏统一的验证方法和性能指标,给航天器PHM的研究成果的有效验证与评价带来了困难;提出了一种基于大数据的航天器地面健康管理系统设计思路,并对其验证评估指标体系和验证方法进行了研究,在此基础上设计实现了基于仿真和试验验证的航天器地面健康管理验证系统,通过多个航天器故障仿真和在轨历史数据试验,验证了提出的航天器地面健康管理验证系统设计方法的有效性,能够有效地应用于航天器的地面健康管理过程,具有较强的航天器工程应用价值。     

基于时间反转的直升机结构损伤成像算法

复合材料在直升机结构中大量应用,为了提高直升机服役过程中的安全性,在直升机尾桁结构上采用基于时间反转的导波结构健康监测方法进行损伤成像算法研究。阐述了基于时间反转的损伤成像方法步骤,利用Matlab软件平台编写了损伤成像算法程序,并利用在尾桁结构件上采集的信号数据进行损伤成像方法验证。实验选取多个模拟损伤测试点进行多次损伤诊断,均能得到误差不超过20 mm的损伤定位结果,可以满足直升机结构健康监测地面实验分析的需要。     

基于卷积神经网络的发动机气路故障诊断方法

深度学习是一种新的基于特征表示的机器学习方法。深度学习模型包含多个隐藏层,可以通过对输入数据进行自动学习来获取隐藏的功能层中的特征信息。与传统的诊断方法相比,深度学习具备从原始信息中提取更丰富的特征的能力,因此已经成为基于机器学习的故障诊断研究的新方向,为发动机气路等复杂系统故障诊断带来了新思路。结合发动机气路试验数据的特点与深度学习的优势,提出基于卷积神经网络的故障诊断方法,包括预处理、模型训练及优化等过程,并实现了复杂系统故障诊断预测算法平台。经某发动机气路试验仿真数据实例验证,提出的方法具有较好的可行性和效果,能够充分利用深度学习的优点,更准确地识别发动机气路的健康状况。     

基于案例和规则融合的民用客机故障诊断系统设计

目前很多工程应用中的飞机故障诊断方法,只考虑单一的基于案例或基于规则的诊断方法,故障诊断的效率有待提高。本文针对民用客机地面运营支持系统的特点和要求,将案例和规则融合的推理机制引入到飞机故障诊断系统的设计中。该方法采用规则推理为前导、案例推理后置补充的结合方式,最大化地利用飞机故障隔离手册知识和从维修记录中提取的案例知识,从而提高首次故障隔离效率、降低无效排故时间。以民用客机某系统的典型故障为例,阐述了该推理机制在故障诊断中的应用。通过历史飞行数据试验,验证了提出的基于案例与规则融合诊断方法的有效性,以此为基础设计的故障诊断方案可为航空公司构建更完善的专家系统提供参考。     

基于数据驱动的卫星锂离子电池寿命预测方法

锂离子电池由于具有工作电压高、质量轻、比能量高、寿命长和自放电率小等优点,成为替代传统镍氢、镍镉电池的第3代航天器用储能电源;寿命预测是锂离子电池健康管理的重要方面,是掌握电源性能衰退趋势的重要手段,锂离子电池寿命预测问题已成为电子系统健康管理领域的研究热点;针对锂离子电池的寿命预测问题,采用了NASA埃姆斯中心的锂离子电池地面试验采集的数据,然后重点研究了3种基于数据驱动的方法,并对锂离子电池的寿命进行了估计,最后对各种预测方法的效果进行了评价;实验结果表明,文本提出的基于数据驱动的方法能够有效地用于锂离子电池寿命预测中,在工程应用方面具有较高的实际价值.     

嵌入式组件模型研究

介绍了嵌入式组件模型的研究现状，分析了几种面向特定应用的和剪裁通用组件模型得到的嵌入式组件模型，探讨了规范组件模型的抽象级别、组件模型的非功能性属性的处理等嵌入式组件模型研究的问题。     

基于QAR数据的民用飞机故障预测及验证

飞机飞行过程中产生成百上千种飞行参数和数量庞大的飞行数据,但目前这些数据并没有得到充分有效的利用,飞机的维修还处在以定期维修和事后维修为主的阶段。随着航空技术的不断发展,利用飞行数据进行故障预测,转变民机维修模式向视情维修发展变得越来越有必要。首先对基于QAR数据的民用飞机故障预测技术路线进行了说明。其次介绍了适用于民机QAR数据的两种故障预测方法,包括基于曲线拟合的性能预测方法和基于时间序列的趋势预测方法。再次,详细描述了基于QAR数据的故障预测系统的实现途径。通过预测关键参数变化趋势,达到提前发现故障,以制定合理的维护计划,确保飞行安全的目的。最后采用提出的方法对波音飞机的空调、滑油系统关键参数数据进行预测,预测结果验证了方法的有效性。     

飞行器故障预测与健康管理(PHM)集成工程环境研究

故障预测与健康管理(PHM)技术能够实现故障监测、诊断、预测、状态评估及综合决策的功能,能够降低飞行器维修、使用和保障费用,提高飞行器战备完好率、任务成功率以及安全性和可用性;在分析了国内外研究现状的基础上,提出了构建飞行器故障预测与综合健康管理的通用化支撵平台和验证环境的设计思路,并展开描述了PHM开发环境、运行环境、验证环境的具体功能组成,研究成果能够为检验飞行器PHM系统工作效能提供有效验证,为降低飞行器PHM验证费用提供借鉴.