基于激光雷达探测的飞机尾流融合预测方法

作者： 魏志强     吕振海   来源： 激光与红外 年份： 2024 文献类型 ： 期刊 关键词： 激光雷达   尾流探测   尾涡流场   湍流估计   融合预测  

描述： 为提高基于激光雷达的飞机尾流探测反演精度，根据扫描出的径向风速数据，建立了基于Kolmogorov结构函数的大气背景湍流耗散率(EDR)估计方法；然后基于两阶段消散预测模型，计入湍流对尾流消散过程的影响，实现基于历史探测数据的尾涡强度环量和涡核运动趋势的预测；通过环境探测数据与预测模型的结合，提高尾涡特性参数的反演精度。研究表明，相较于反演算法，采用本文模型预测的尾涡轨迹在径向距离和角度的精度上分别提高了59.5%、64.8%。

航空发动机燃油雾化喷嘴流量预测方法的研究

作者： 彭枢廷     陈福振     严红   来源： 机床与液压 年份： 2024 文献类型 ： 期刊 关键词： 燃油雾化装置   喷嘴   预测模型   流动特性   数值模拟  

描述： 为了指导喷嘴设计与性能校核，对航空发动机燃油雾化喷嘴燃油在喷嘴内的流动特性进行了数值模拟计算。通过对喷嘴从供油管路到主副喷口进行完整建模与网格划分，计算获得燃油在不同部位的压降情况，分析燃油在不同部位的流动损失情况，建立喷嘴流量预测模型。结果表明：燃油在主副油路油管等部位，主要由于摩擦作用而发生沿程损失；在主副油路活门内芯、主油路底杯、涡流器、副油路喷口前部等部位，主要由于截面积突变发生局部阻力损失。二者均引起了不同程度的压降。通过建立关键部位几何参数与流动损失之间的关系，根据机械能守恒式与连续性方程，推导喷嘴流量预测模型。通过对比不同供油压差与不同关键几何参数下的实验数据，验证了理论预测模型的准确性，能较好地运用于喷嘴流量的设计与校核。

基于集成学习的航空器着陆跑道占用时间预测

作者： 陈亚青     陈九龙   来源： 现代计算机 年份： 2024 文献类型 ： 期刊 关键词： 集成学习   跑道占用时间   QAR   预测模型  

描述： 为准确预测航空器着陆跑道占用时间，提出了一种基于集成学习的航空器着陆跑道占用时间预测模型。首先，根据航空器机载QAR数据处理后得到的航空器影响因素，利用皮尔逊积矩相关系数进行相关性排序；其次构建了基于stacking集成学习策略的预测模型，实现了对着陆跑道占用时间的预测；最后通过模型评价指标对比了各预测模型预测精度。实验结果表明，提出的集成学习预测模型的准确性更高，可为机场实际运行效率提升提供理论依据。

航空航天铝合金腐蚀疲劳失效与寿命预测研究进展

作者： 张宇鹏     王海斗     董丽虹     金国     底月兰     郭伟玲     黄艳斐   来源： 中国有色金属学报 年份： 2024 文献类型 ： 期刊 关键词： 裂纹扩展   寿命预测   航空航天   裂纹萌生   腐蚀疲劳  

描述： 进行了概述，介绍了近年来在预腐蚀疲劳条件和腐蚀-疲劳交替条件下航空航天铝合金寿命预测的方法。从宏观与微观角度对航空航天铝合金腐蚀-疲劳交替过程进行研究，以及建立更加精准的腐蚀疲劳寿命预测模型是未来研究的重点。

贴敷宏纤维复合材料片的飞机壁板振动响应预测

作者： 李凯翔     乔洲     张飞     李晖     韩清凯   来源： 航空工程进展 年份： 2024 文献类型 ： 期刊 关键词： 飞机壁板   宏纤维复合材料   振动   解析法   基础谐波激励  

描述： 传统的有限元模型存在计算成本高、黑箱操作多、缺乏自主知识产权等问题。采用解析法研究基础谐波激励下贴敷宏纤维复合材料（MFC）片的飞机壁板振动响应的预测问题；基于经典层合板理论、机电耦合本构方程和能量法，建立基础谐波激励下MFC-壁板的解析模型；利用速度反馈法和模态叠加原理，实现对该激励条件下结构系统在主动控制前后振动响应的求解；结合文献和组建的振动测试系统获得的实验数据，对该解析模型及其预测结果进行详细验证。结果表明：相较于文献结果，模型等固有频率计算偏差最大不超过2%，模型预测获得的前两阶共振响应的最大误差不超过8.6%，均在误差允许的范围内。

基于SSA-CNN的航空器着陆跑道占用时间预测

作者： 陈亚青     李颖哲     赵瑞     高浩然   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： SSA   QAR数据   跑道占用时间   跑道容量   CNN模型  

描述： 国内外相关研究表明，航空器着陆跑道占用时间(aircraft arrive runway occupation time, AROT)是影响机场跑道容量的重要因素，对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性，采用注重数据特征提取的卷积神经网络(convolutional neural networks, CNN)对AROT进行预测，针对CNN容易陷入局部最优等缺点，采用麻雀搜索算法(sparrow search algorithm, SSA)对CNN相关参数进行优化。数据采用航空器快速存取记录器(quick access recorder, QAR)的记录作为数据源，涵盖机场数目为34个。根据QAR数据分析AROT影响因素，构建了SSA-CNN预测模型。对QAR数据分析表明AROT与滑行距离、落地气温、跑道入口速度、快速脱离道数量、脱离速度关联性较强，与航空器重量、风速、风向、脱离道角度等影响因素关联性较低。根据影响因素的关联性采用CNN预测模型均方误差为18.35,而优化后的SSA-CNN预测模型均方误差为17.31,预测结果可以为机场评估跑道容量提供参考。

基于概率稀疏自注意力的航空发动机剩余寿命预测

作者： 王欣     黄佳琪     许雅玺   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   Transformer   深度学习   概率稀疏自注意力   剩余寿命预测  

描述： 航空发动机剩余寿命预测对其健康管理具有重要意义，针对长序列、多维度的航空发动机监测参数，提出一种基于概率稀疏自注意力(ProbSparse Self-Attention)的Transformer模型以实现航空发动机剩余寿命的准确预测。用ProbSparse Self-Attention取代原始Transformer中的常规自注意力机制，使得模型更关注时间序列中重要的时间节点，大幅缩减时间维度，减小了时间和空间复杂度；通过注意力层整合后的信息，进一步通过前馈神经网络层和卷积层，提取传感器的空间特征，编码层之间通过扩张因果卷积相连接，扩大了感受野，提高了模型对长序列信息的捕获能力。在新公开的N-CMAPSS数据集上验证算法，实验结果表明，相比于实验中的对比模型，所提模型的RMSE和Score值均有提升，推理速度也优于其他模型。

水陆两栖飞机全机模型静水滑行水动性能预报

作者： 张杜文     李新颖     吴彬     曹楷   来源： 科学技术与工程 年份： 2024 文献类型 ： 期刊 关键词： average   雷诺平均法(Reynolds   水动性能数值预报   Navier   水陆两栖飞机全机模型   stokes)重叠网格  

描述： 水面起飞性能是水面飞行器的基本性能，也是总体技术的核心，涉及多个学科领域。水陆两栖飞机水面高速滑行水动力性能与排水型船不同，具有速度高、运动复杂等特点，高速滑行时一方面受到较大的水动升力，另一方面受到机翼的升力。结合水陆两栖飞机水面高速滑行特点，利用雷诺平均法(Reynolds average navier-stokes, RANS)数值方法和重叠网格技术对水陆两栖飞机全机模型开展数值仿真模拟，分析了自由液面水气分布、机身底部压力分布特征，并将阻力、姿态和升沉与水池模型试验结果进行对比，验证了数值方法的准确性，为水陆两栖飞机静水滑行水动性能数值预报提供技术基础。

航空器导航系统飞参预测置信度评价方法研究

作者： 黄梦婵     钟杰     苗强   来源： 航空科学技术 年份： 2024 文献类型 ： 期刊 关键词： 不确定性分析   飞行参数   神经网络   置信度   航空器  

描述： 为了提高航空器的安全性能，需量化飞参预测过程中的不确定性，因此本文提出了基于预测模型的置信度评价流程。针对航空器导航系统中的飞参数据，采用卷积神经网络开发预测算法，对选定的飞参数据进行预处理和训练，实现高精度的目标飞参预测。综合考虑了模型搭建中的认知不确定性和数据层面的偶然不确定性，采用模型集成的方法来捕获认知不确定性，通过双头网络捕获数据中的偶然不确定性。在此基础上，构建多源不确定性模型，实现了飞参预测模型的置信度评价。经过试验测试，在正常飞参数据中植入噪声模拟实际工况的不确定性，结果显示所提置信度评价方法能有效地表示飞参预测结果的准确性，提高了航空器飞行决策过程中的安全性与可靠性。

面向可迁移跨域自适应学习的航空发动机剩余寿命预测方法

作者： 李文骁     李勇成     李鹏     马浩统     雷印杰   来源： 现代计算机 年份： 2024 文献类型 ： 期刊 关键词： 可迁移对抗   跨域学习   域自适应   剩余寿命预测  

描述： 航空发动机剩余寿命（RUL）预测任务中数据集标签较少且工况多变，导致传感器时间序列之间存在明显分布差异，限制了RUL预测方法的泛化能力。跨域学习的提出为该任务提供了一种可行的解决方案。传统跨域学习通过域自适应方法最小化源域和目标域特征之间的分布差异，得到跨域对齐特征，实现跨域知识迁移。但随着航空发动机的退化，前后时间步的语义信息也发生变化，导致原先对齐特征的局部语义不匹配，影响模型性能。针对该问题，提出方法基于可迁移对抗方法对跨域RUL预测方法展开研究，通过优化局部域鉴别器输出的概率熵，使得对齐特征在局部上难以区分。利用模型在RUL预测过程中的目标互信息进行语义约束，得到同时具有局部可迁移性和目标语义重要性的域不变特征，提升模型的泛化能力。在CMAPSS航空发动机数据集上进行的实验表明，该方法在RMSE和SCORE两个指标上均超过现有的其他跨域自适应方法，证实了其有效性。