基于网格吸附插值法的不规则尾流场构建方法

尾流模型的构建对于尾流遭遇情形下的飞行动力学研究具有重要意义。针对远距尾流的振荡发散特点结合正弦扰动特性构建尾流的长波振荡模型,分析不同幅值参数下尾流场速度参数,提出网格吸附法以解决坐标变换后排列不规则问题。通过与其他插值算法对比,结果表明网格吸附法在标点密度达到拐点的情况下插值速度最快,精度符合要求,效率最高。最后,构建了前机的不规则尾流场。     

平均差分进化算法在等效系统拟配中的应用

等效系统方法是评价飞机飞行品质的重要方法之一,最小二乘法和极大似然法在等效系统拟配中应用较为广泛,但是二者在使用时对初值有较高的要求且容易陷入局部最优解,因而导致拟配精度不高。针对这一问题,对传统差分进化算法的核心公式进行了改进,提出了基于平均差分进化算法进行等效系统拟配的新思路。此外,由于数据中存在一定比例的噪声干扰,所以分别以理想3-2-1-1信号和混入10%、30%白噪声的3-2-1-1信号作为系统输入,对比研究了平均差分进化算法和传统等效拟配方法的差异,发现平均差分进化算法具有较强抗噪声干扰能力和良好的鲁棒性,因此,平均差分进化算法应用于等效系统拟配具有较好的辨识效果,同时对于噪声的处理能力较强。     

基于RBF神经网络与Markov组合的飞行风险预测研究

为了更加准确地对飞机飞行安全性做出评估,在径向基(radial basis function,RBF)神经网络的基础上,通过引入马尔可夫链的方式进行误差修正,建立了一种拟合程度高且无需反复调整权值的新型评估模型.并以国内某航空公司A320机型近20年来发生的飞行机械故障为基础数据对模型进行训练、拟合、修正.将修正结果与单一RBF神经网络评估方法相比较,分析二者差异后得出误差降低的结论.为管控飞机飞行风险提供了方法拓展.