美军建模与仿真发展及其启示

本文在阐述建模与仿真对支持试验鉴定方面重大作用与意义的基础上,介绍了美军在建模仿真方面的先进理念,分析了我国在建模仿真方面存在的主要问题,有针对性地提出了我国建模与仿真建设的具体措施及方法,对后续我国建模仿真相关技术的构建具有一定的借鉴意义。     

一种导航传感器试飞基准获取方法研究

在简要分析导航传感器试飞现状的基础上, 提出了利用数据融合算法获取导航传感器数据基准的实现方案, 在方案中充分考虑了不同导航传感器的性能特性, 提出了基于集中Kalman滤波的试飞导航数据初步融合和在Kalman滤波基础上利用固定区间平滑滤波实现全局信息优化融合的导航传感器基准获取方法, 并利用试飞数据对融合算法进行了验证。结果表明: 该方法有效利用了不同传感器的特性和事后数据处理的优势, 融合输出精度较融合前有明显提高, 为导航传感器的试飞评估提供了新的思路和方法。     

基于相空间重构的PHM数据处理算法研究

采集数据的非线性特性极大地限制了故障预测与健康管理技术(PHM)在飞机自主保障能力中的应用,提出了一种基于相空间重构的数据处理方法;首先,对PHM技术进行了系统研究,并对数据处理进行了分析;然后,根据数据处理的特点,分别采用自相关法、复自相关法、FNN法和C-C法计算相关的延迟时间及嵌入维数;最后,通过仿真对比分析以上几种方法得到的延迟时间与嵌入维数;结果表明作为一种联合计算延迟时间和嵌入维数的数据处理方法,C-C法可以同时计算延迟时间τ为3和嵌入维数m为6。     

基于飞行历史数据的典型机电系统故障仿真

由于飞机机电系统的复杂性,对其各类故障进行分析建模并研究其激励方法具有重要意义.基于飞行试验历史数据,以典型飞机机电系统中的燃油系统为对象进行研究,针对某飞机机电系统的具体结构和特点,采用Matlab/Simulink软件建立了系统仿真模型,设计了多种典型故障仿真.最后运用Simulink与VC++联合开发的方法,搭建了运行原理可视化故障激励仿真平台,仿真结果表明,平台能够完成对多种机电系统故障的激励,达到了预期要求.     

基于CNN-BiLSTM网络模型的无人机飞行质量评价

为了更好地挖掘无人机飞行轨迹数据中蕴含的有效信息，准确客观地基于轨迹数据对无人机飞行质量进行评价，提出一种融合卷积神经网络(CNN)和双向(Bi-directional)长短期记忆(LSTM)神经网络的CNN-BiLSTM网络模型。首先，利用CNN网络和BiLSTM网络分别获取飞行轨迹数据的局部卷积特征和时间特征。然后，将两种特征送入特征融合层，使用融合后的特征进行分类并获得评分标签。针对六个数据集的数值实验表明，模型不仅取得了较好的分类效果，而且具有很好的泛化能力。