飞机故障预测与健康管理应用模式研究

针对现有飞机维修机制的不足进行了分析,描述了故障预测与健康管理、视情维修和自主后勤的三者之间的关系。提出了三种典型的故障预测与健康管理(PHM)应用模式,在分析比较现有三种模式优劣的基础上,进一步指出PHM的发展趋势。设计了一种飞机故障预测与健康管理(PHM)系统框架,并运用物联网技术完成了对自主保障系统的构建,能够有效提升飞机的自主保障能力。最后论证了故障预测与健康管理和持续采办与全寿命支持(CALS)之间的关系,为装备采购和全寿命支持提供了技术支持和理论依据。     

基于Rollout算法的测试不可靠条件下的诊断策略*

实际复杂装备系统测试时存在虚警和漏检,其导致的误诊费用往往超过了测试成本。针对复杂系统故障诊断中诊断精度低、虚警率高的问题,进行了不可靠测试条件下,基于Rollout算法的诊断策略优化方法研究。首先建立综合考虑测试点的故障检测能力、信息量、测试费用以及测试结果信任度的启发函数,然后利用Rollout算法生成诊断策略,最后用阿波罗检测系统实例验证了该算法的优越性。理论和实验表明,Rollout算法的平均测试费用低于贪婪算法,而且计算时间在可接受范围内,因此可用于测试不可靠条件下的诊断策略设计。     

基于振筒式压力传感器的某型检测系统设计

针对飞行器全静压系统的检测需求,设计实现了以80C552单片机为控制核心、基于振筒式压力传感器的自动检测系统,论述了系统的总体构成,重点设计了提高振筒式传感器测量准确度配套电路和测量显示组件.系统的实现提高了飞行器全静压系统的检测自动化程度,具有检测速度快、准确度高、判读直观、可靠性高和操作简单的特点,在实际测试中运行良好,性能稳定.     

一种改进的自适应增强-支持向量回归机的故障预测方法

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025. 实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。     

嵌入式Internet中TCP协议的设计与实现

介绍了嵌入式Internet技术的概念和研究现状,以网络传感器为应用背景,对TCP/IP协议栈中的主要协议TCP进行了机制裁减和编程实现。该研究对于Internet技术能否在8位单片机上实现和应用有着重要而现实的意义。     

呼叫中心核心技术的创新与实现

该文在分析我国呼叫中心(CallCenter)技术现状的基础上,系统地介绍了笔者在呼叫中心核心技术(CTI、IVR、ACD)方面多年的研究成果,试图填补我国在该领域理论上和技术上的空白,并期望推动我国呼叫中心健康发展。     

ARINC-429数据总线通信实现方式研究

文章介绍了ARINC-429总线规范,描述了ARINC-429总线通信接收模块和发送模块的基本原理,研究了基于分立元器件、HS3282/3182、DE1016和FPGA的通信模块实现方式。最后,对这些实现方式进行了比较,指出了最优实现方式。     

无人机网络中支持视频传输的MAC协议

针对无人机自组织网络视频业务传输的低时延需求,设计一种轻量级的最低时延保障接入协议(LADP).该协议结合无人机作战网络动态性强、节点密度小的特点,采用多RTS周期、单CTS周期的特殊时隙结构和协同式的信道竞争机制.仿真结果表明,在载荷λ≤0.8的典型无人机网络条件下,LADP协议的最大分组接入时延控制在55 ms以下,可为视频业务提供良好的传输保障.     

军用飞机PHM技术进展分析及问题研究

在研究故障预测与健康管理(PHM)技术体系构建、数据采集与运用、系统状态监测与故障预测、验证评估等发展现状的基础上,结合新阶段装备PHM工程应用现状,从装备测试性设计与验证、多源故障信息交互与管理、寿命预测与维修支持、验证评估及标准制定等方面分析军用飞机PHM技术面临的瓶颈问题,并指出应重点开展包括测试性试验技术、智能信息处理与融合技术、航空装备与信息标准化管理技术、数据挖掘与平台构建技术等方面的研究,最后对我国PHM技术的发展给出思考与建议。     

基于多特征量的D矩阵模型的建立与分析

针对基于单特征量的D矩阵模型会损失测试信号的大量信息的问题,提出了一种基于多特征量的可测性分析模型。首先,在研究D矩阵模型的基础上,对测试信号进行特征提取和多值编码,建立了基于多特征量的D矩阵模型。其次,基于信息熵制定诊断策略和生成故障诊断树,并对模型进行测试性分析,评估其诊断能力。结果表明,与单特征量的D矩阵模型相比,基于多特征量的D矩阵模型选用的测试点数和模糊组数小,故障隔离率高,诊断测试步骤数少,平均测试费用低。