机载燃油泵复杂应力退化试验设计与应力影响分析

针对机载燃油泵可靠性高、寿命长,实际工作环境复杂,而试验应力因素单一等特点,设计搭建了复杂应力条件下燃油泵退化试验平台,并对应力因素影响进行了分析。首先通过对燃油泵失效机理的分析,选取了影响轴承磨损的电应力和机械振动作为主要应力,开展其性能退化研究;然后基于以上选取的应力搭建了燃油泵退化试验平台和振动试验装置,并对压力传感器和流量传感器进行了选型,介绍了信号采集控制系统,设计了燃油泵夹持装置并对其动态性能进行了分析;最后基于正交试验思想设计了试验方案,并采用极差分析和方差分析2种方法对试验结果进行了分析。所提方法缩减了2/3的试验次数,节省了试验时间,并得出电压对燃油泵可靠性的影响更为显著,其置信度可达99%。     

基于TEAMS的机载燃油测量系统测试性设计

开展测试性分析与故障诊断策略设计是测试性设计工作的重要组成部分,在充分研究多信号模型的基础上,对机载燃油测量系统的组成原理及工作流程进行了深入分析,运用TEAMS软件系统对该系统进行了测试性建模与分析,并对系统的测试性进行了改进,提高了系统的测试性指标,为系统测试性设计提供了方法指导。     

一种基于遗传算法的无线传感器网络LEACH路由协议的改进算法

针对LEACH协议存在的簇首数目与最优簇数目不一致,随机选择簇首,未考虑节点剩余能量、节点位置和节点密集度等问题,提出了一种基于遗传算法的新型路由算法LEACH-GEC,算法首先利用最优簇数目与遗传算法的结合对网络节点进行分簇,然后利用节点剩余能量、距簇内质心的距离、节点覆盖度和共享密钥数目等约束条件来选择簇首.仿真表明:改进后的路由算法较LEACH协议分簇更均匀,簇首选取更合理,有效延长了网络寿命,同时还可以确保簇内通信的安全性.     

采用渐进式预留机制的Ad Hoc网络MAC协议

实时业务传输的服务质量(QoS)保障问题一直是限制Ad Hoc网络发展的瓶颈.在分布式网络环境下,分组冲突十分普遍,节点很难在限定的时间内成功接入信道.现有很多算法(如FPRP)虽能很好的消除冲突,却需要非常多的控制分组,同样造成过高的接入时延.在研究动态时隙分配类MAC协议的基础上,设计了一种采用渐进式预留机制的MAC协议,协议通过分级预留、协同竞争和空闲时隙的时隙重构来达到分组冲突的充分化解,信道资源的高效利用,以及不同优先级业务的有效接入.仿真表明,与现有时隙类协议相比,新协议可以显著减少分组冲突,提高信道利用率,实现较低的分组接入延迟,并且能够较好的支持数据报业务.     

航空电子系统故障管理体系结构研究

军用航空电子系统承载着战机绝大多数作战任务,是决定战机作战效能的重要因素.故障管理体系结构及技术是保证航空电子系统和战机安全性的重要技术之一.概述了航空电子系统含义、功能分配结构及功能与资源的映射关系,总结了航空电子系统顶层设计原则,可指导故障管理体系的构建.探讨故障管理的含义和任务,论述联合式和IMA两类航电系统故障管理结构,并就其共性问题进行探讨.最后试探性地提出故障管理体系结构需进一步研究和解决的问题.     

综合航电系统健康管理体系结构设计

健康管理体系结构是军用综合航电系统的重要组成部分,关系到综合航电系统和战机安全性、生存性、维护性等多方面.概述了综合航电系统的结构组成,剖析了健康管理的内涵.通过论述系统、环境和人对系统失效行为的影响,归纳了系统失效类型,明确了健康管理体系结构设计的三方面需求.在此基础上,提出了一种新的健康管理体系结构,并完成了机载部分和地面部分的基本结构设计,分析了系统健康信息处理流程,最后就下一步要研究的问题进行了探讨.     

基于MBSE的PHM开发平台设计

故障预测与健康管理(PHM)开发平台具有结构功能复杂的特点,传统的设计方法难以保证其结构合理性与功能可靠性。针对传统的基于文本的系统设计中存在的需求追溯性弱、问题描述模糊的问题,提出了应用基广模型的系统工程(MBSE)方法论指导平台设计过程,使用模型驱动的OOSEM建模方法对PHM开发平台进行模型搭建。通过利益相关者需求导出系统需求与系统功能,在对系统内部结构进行逻辑分析后定义了平台系统架构,实现了系统架构综合,搭建了完备的PHM开发平台MBSE模型。基于MBSE的设计过程使该模型具有结构清晰、集成性高、追溯性强的特点,模型化的设计方法保证了其通用性与可重用性。该模型的建立为PHM开发平台搭建提供了设计流程与解决方案。     

机载系统故障预测与健康管理验证与评估方法

随着故障预测与健康管理系统研究的不断深入,如何对机载故障预测与健康管理系统进行验证和评估是一个较为棘手的问题。首先,在分析故障预测与健康管理系统设计过程的基础上,指出了存在的突出问题;其次,结合实例给出了3种验证方法,通过比较分析,构建了一种机载燃油管理系统半实物仿真平台;再次,对故障预测与健康管理的性能评价指标进行了分类,并给出了相应的应用范围;最后讨论了故障预测与健康管理有关的标准体系,指出构建故障预测与健康管理标准体系是未来的发展方向。     

基于退化阶段识别与 LSTM-fine-tune 的 氧气浓缩器多阶段退化预测

退化预测是装备健康管理的重要技术途径,近年来,大量时间序列预测方法在退化预测中得到应用。 然而,众多大型装 备由于结构复杂,功能多样,在退化过程中存在明显的阶段性,采用单一的模型对不同阶段的退化进行预测将会出现明显的精 度降低,针对不同阶段对模型重新训练也会带来时间和算力的损失。 针对多阶段退化的问题,引入了迁移学习的思想,提出了 一种退化阶段识别与 LSTM-fine-tune 结合的多阶段退化预测方法,采用退化数据对 LSTM 模型训练,之后对部分网络参数进行 冻结,在识别到装备出现新的退化阶段后,利用新阶段的退化数据对模型进行微调,以快速匹配不同阶段的数据。 为验证模型 的有效性,本文以氧气浓缩器为例进行模型应用。 结果表明,本文方法能够有效识别氧气浓缩器 3 个阶段的退化,每个阶段的 预测均方差分别为 0. 507、8. 976 和 0. 375,远低于不分段直接预测的均方误差 76. 87,在训练时间上,对比于每个阶段重新训练 时间大幅缩短,在训练精度上,明显优于维纳过程、Lstar 等传统方法。     

基于理想度的故障样本集评估优选方法研究

针对测试性验证试验中多次抽样得到的样本集存在随机误差的问题,提出基于理想度的故障样本集评估优选方法.首先确定了样本集评估指标体系,利用信息熵法确定了各个指标的权重,然后通过建立优化理想度模型来描述故障样本集的代表性.应用表明,该方法可以有效地评估故障样本集,指导故障样本的选取,结论分析表明该方法相比已有方法更加合理,工程适用性更高.