某型飞机油量传感器修正及其流量特征提取方法研究

针对某型飞机油量传感器记录时易受外界环境影响而导致所记录信号存在大量噪声且不具有单调性,同时缺少燃油流量参数的记录问题,提出了一种改进的自适应噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)方法,在保证单调性的前提下对传感器数据的记录进行了修正,并实现了对流量特征的提取。首先提取飞参记录器中记录的剩余油量信号,然后使用改进的CEEMDAN方法提取固有模态函数和剩余分量并进行重构,最后将处理之后的剩余油量信号进行求一阶导数得到发动机的燃油消耗率。实验表明,使用改进CEEMDAN去噪方法相比于CEEMDAN去噪方法的信噪比提升了48.6%,均方根误差降低了69.9%。     

某型军用飞机下降阶段燃油消耗模型研究

针对飞机下降阶段燃油消耗模型建立不够精准的问题,提出了一种改进的长短期记忆网络（Long Short-Term Memory, LSTM）方法,基于飞参数据建立了某型军用飞机下降阶段的燃油消耗模型。首先从飞参数据中提取与燃油消耗相关的参数并进行预处理,然后利用互信息的方法筛选了与燃油流率高度相关的参数,最后基于一种改进的LSTM网络建立了飞机下降阶段的燃油消耗模型。该法相比于传统的BP神经网络、回声状态网络以及标准LSTM在精度上都有了较大的提升和改进。      

基于主客观权重方法的某战机起飞阶段飞行品质评价

飞行品质评价是飞行训练评估的重要组成部分具有重要的应用价值。针对传统飞行品质评价方法中主客观评价的局限性,提出一种主客观综合集成的评价方法。通过非线性映射的方法将飞行参数数据转化为可评价的数据,采用层次分析法（AHP）确定主观权重值,利用信息熵理论计算客观权重值,将客观权重值与主观权重值进行优化计算得出综合评价权重值,最后进行主客观综合评价。通过某型飞机起飞离地时刻数据为实例进行验证,并与现有评价方法对比,结果表明主客观权重集成法具有更高的准确性,为飞行品质评价提供了参考,对工程实践有很好的应用价值。     

基于飞参数据的飞机操纵系统故障评估方法

针对某型飞机的操纵系统故障评估问题,提出了一种基于飞参数据建立的差分进化极限学习机(DE-ELM)算法。该算法融合了差分进化(DE)和极限学习机(ELM)两种算法,通过对飞参数据进行训练,构建了飞机操纵系统的黑箱模型。由于极限学习机(ELM)的输入权值以及隐含层阈值是随机产生的,所以ELM的随机性较大,稳定性不高,故利用寻优能力较强的DE对ELM输入权值和隐含层阈值进行寻优,从而实现ELM的结构优化,提升ELM的稳定性和鲁棒性。仿真结果表明,DE-ELM算法的决定系数达到了97.6%,其均方误差相比于BP神经网络降低了约79%,相比于单纯的ELM降低了64%。所以说该法可以有效提高精确度,同时具有更加良好的泛化性能。