基于AM-LSTM的飞行区航空器滑行轨迹预测与冲突识别

作者： 王兴隆     许晏丰   来源： 中国安全科学学报 年份： 2024 文献类型 ： 期刊 关键词： 长短期记忆网络(LSTM)   飞行区   注意力机制(AM)   航空器滑行   滑行轨迹  

描述： 为解决航空器点源定位难以有效预测而引发冲突风险愈来愈多的问题，构建基于注意力机制(AM)和长短期记忆网络(LSTM)的时间序列轨迹预测模型AM-LSTM,预测未来短时间内飞行区航空器的瞬时点源位置；在此基础上，根据航空器型号和滑行航向对其进行轮廓扩展，以航空器速度作为安全距离权重，通过射线法实现轮廓冲突的判定；并以乌鲁木齐地窝堡机场为例进行验证，利用训练完成的轨迹预测模型预测飞行区航空器滑行轨迹，以识别航空器轮廓间的滑行冲突。结果表明：AM-LSTM预测模型能够准确预测飞行区航空器运动轨迹。未来3 s内轨迹位置预测的平均位移误差为1.05 m,轨迹点位置预测精准性可达94.37%,故能在轨迹预测的基础上精确识别滑行冲突风险，有利于保障飞行区的安全运行。

基于APSO-LSSVM的航空发动机轴承故障诊断及寿命预测

作者： 刘海瑞     武宪威     李鹏     钱征华     李锟   来源： 测控技术 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机轴承   支持向量机   主成分分析   轴承诊断   粒子群算法  

描述： 航空发动机轴承在高速、高温、高载荷等极端工况下易发生机械故障，为了提前预警，提出了一种基于自适应粒子群优化(Adaptive Particle Swarm Optimization, APSO)算法的最小二乘支持向量机(APSO Least Squares Support Vector Machine, APSO-LSSVM)对滑油系统中轴承磨屑进行在线监测的故障诊断及寿命预测。通过主成分分析法(Principal Components Analysis, PCA)对滑油磨屑信息进行降维处理，构建特征向量，并将特征向量输入APSO-LSSVM模型，对轴承故障状态进行分类并对轴承剩余寿命进行预测。结果表明：使用PCA可以保留数据样本99.9%的信息，同时还能极大地降低数据维度；与遗传算法(Genetic Algorithm, GA)、灰狼优化(Grey Wolf Optimization, GWO)算法、粒子群优化(Particle Swarm Optimization, PSO)算法的支持向量机相比，所提算法因采用了自适应调节粒子移动步幅，在进行轴承状态分类时准确率更高，分类正确率可达95.56%,同时在进行轴承剩余寿命预测时具有较好的准确度和泛化性。

基于改进LSTM的航空发动机气路参数预测方法

作者： 马帅     吴亚锋     郑华     缑林峰   来源： 测控技术 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   性能参数预测   特征注意力机制   LSTM网络   故障诊断  

描述： 以航空燃气涡轮发动机气路故障诊断为导向，提出了一种用于发动机气路参数预测的特征注意力增强型长短时记忆网络(Feature Attention Enhanced Long Short-Term Memory Network, FAE-LSTM)。FAE-LSTM是具有编码-解码结构的动态网络，首先通过编码器中的特征注意力单元对工况序列进行动态特征提取，然后通过特征拼接层融合编码器输出序列、工况序列和历史性能参数，最后通过解码器实现最终的参数预测。FAE-LSTM基于发动机飞行过程数据建立发动机在健康状态下的动态模型，从而作为参数预测模型应用于基于残差的故障诊断系统中。针对网络的预测性能和应用方式进行了仿真分析，结果表明，相比于其他常用多变量时间序列预测模型，FAE-LSTM的长期预测误差最低减少24.5%;相比于使用串-并联结构，故障检测系统使用并联结构的FAE-LSTM网络能够获得更精确的检测结果。

基于多层感知机的航空发动机压气机盘应力和温度预测

作者： 王学民     徐敬沛     何云   来源： 航空动力学报 年份： 2024 文献类型 ： 期刊 关键词： 温度   压气机轮盘   多层感知机   神经网络   应力   寿命管理  

描述： )神经网络算法进行训练。结果表明：该方法预测结果与传统有限元计算结果吻合较好，相对偏差均在1%以内，判定系数达到0.95以上，方均根误差均在5以内，且计算速度由小时级提升为分秒级，可为后续工程应用提供依据。

基于ECSDNN的航空安全事件风险等级预测

作者： 冯霞     桑潇     左海超   来源： 北京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 集成学习   代价敏感   深度神经网络   风险等级预测   嵌入特征编码   航空安全  

描述： 航空安全事件风险等级预测是主动风险管理的重要手段。考虑海量航空安全事件数据呈现的高维复杂、类不平衡等特性，提出一种基于集成代价敏感深度神经网络(ECSDNN)的航空安全事件风险等级预测方法。采用分类型属性嵌入特征编码和数值型属性拼接的方法实现航空安全事件数据的特征表示；综合考虑错分比例和固定代价设计代价敏感矩阵和代价敏感损失函数，构建基于代价敏感深度神经网络(CSDNN)的基分类器模型；采用硬投票方法，集成多个参数不同、性能各异的基分类器，构建航空安全事件风险等级预测模型。在航空安全事件报告系统(ASRS)数据集上的实验结果表明：相比基准算法，所提ECSDNN模型的预测准确率提升了4.51%；相比单个CSDNN基分类器，所提ECSDNN模型的预测准确率提升了3.17%。验证了基于ECSDNN的航空安全事件风险等级预测方法的有效性。

基于改进DRSN的航空发动机故障风险预警模型

作者： 毛浩英     孙有朝     李龙彪     晏传奇   来源： 航空动力学报 年份： 2024 文献类型 ： 期刊 关键词： 深度注意力机制   软阈值化   深度残差收缩网络   深度学习   故障风险预警  

描述： 航空发动机属于多发性故障机械，运用先进的计算训练方法可有效地实现准确的风险预警分析，为发动机的运维指导提供参考。在发动机故障风险预警征兆数据集中提取多变量时间序列样本，将样本矩阵化，转换为灰度图样本。预处理并增强图像数据样本，热编码化序列样本标签。深度残差收缩网络（deep residual shrinkage network,DRSN）中融入深度注意力机制与带有阈值的残差收缩块，获取高判别性特征，实现软阈值化。结合长短时记忆神经网络层与多个隐层，改进DRSN模型，使用主成分分析重构特征与主元提取，累积可解释方差贡献率为93.7%。对潜在20种故障征兆识别、分类并预警，训练精确度为96.1%。提出了改进DRSN航空发动机故障风险预警模型，与其他算法相比有较强的鲁棒性，预警正确率至少提高4.4%。

基于优化组合模型的航空货邮市场需求预测——来自2007—2017年全球及中国面板数据的实证分析

作者： 李航   刘培宏   来源： 技术经济 年份： 2020 文献类型 ： 期刊 关键词： 灰色预测   组合预测   航空货邮周转量   多项式回归   趋势外推法  

描述： 航空货邮周转量是评价航空物流业发展的一个重要指标,传统预测方法在复杂系统的表现较差。在趋势外推法、多项式回归和灰色预测的基础上,引进诱导有序加权平均(IOWA)算子组合预测模型。结果表明,该方法对航空货邮周转量的预测效果比其他方法更好,以2018年全球数据进行检验,预测误差仅有4.72%。通过预测结果进一步对比分析全球及中国航空货邮市场的发展情况及未来趋势,为中国航空物流业的转型升级以及经济结构的优化发展提供参考与启示。

习近平八一前夕视察空军航空大学时强调 深化改革创新 不断提高办学育人水平 向全体人民解放军指战员武警部队官兵民兵预备役人员致以节日祝贺

作者： 暂无 来源： 思想政治工作研究 年份： 2021 文献类型 ： 期刊 关键词： 人民解放军   育人水平   武警部队官兵   空军航空大学   习近平   民兵预备役  

描述： 新华社长春7月23日电八一建军节到来之际,中共中央总书记、国家主席、中央军委主席习近平23日到空军航空大学视察,代表党中央和中央军委,向学校师生员工致以诚挚问候,向全体人民解放军指战员、武警部队官兵、民兵预备役人员致以节日祝贺。他强调,要贯彻新时代党的强军思想,贯彻新时代军事战略方针,贯彻新时代军事教育方针,深化改革创新,不断提高办学育人水平,努力开创学校建设发展新局面。

习近平八一前夕视察空军航空大学时强调 深化改革创新 不断提高办学育人水平 向全体人民解放军指战员武警部队官兵民兵预备役人员致以节日祝贺

作者： 暂无 来源： 思想政治工作研究 年份： 2021 文献类型 ： 期刊 关键词： 人民解放军   育人水平   武警部队官兵   空军航空大学   习近平   民兵预备役  

描述： 新华社长春7月23日电八一建军节到来之际,中共中央总书记、国家主席、中央军委主席习近平23日到空军航空大学视察,代表党中央和中央军委,向学校师生员工致以诚挚问候,向全体人民解放军指战员、武警部队官兵、民兵预备役人员致以节日祝贺。他强调,要贯彻新时代党的强军思想,贯彻新时代军事战略方针,贯彻新时代军事教育方针,深化改革创新,不断提高办学育人水平,努力开创学校建设发展新局面。

基于注意力机制和CNN-BiLSTM模型的航空发动机剩余寿命预测

作者： 张加劲   来源： 电子测量与仪器学报 年份： 2022 文献类型 ： 期刊 关键词： 注意力机制   航空发动机   卷积神经网络   剩余寿命   双向长短期记忆网络  

描述： 航空发动机作为飞机的主要动力源，其可靠性是保证飞机安全的关键。剩余使用寿命预测对于提高航空发动机的可用性和降低其寿命周期成本具有重要意义。针对现有的预测算法存在对航空发动机多维数据特征提取不足的问题，提出了一种基于注意力机制的卷积神经网络和双向长短期网络融合模型。首先，采用卷积神经网络提取特征和双向长短期记忆网络获取特征中的长短期依赖关系；其次，使用注意力机制来突出特征中的重要部分，提高模型预测的准确率。为验证所提出方法的有效性，在C-MAPSS数据集上进行了实验。实验表明，模型可以准确地预测出航空发动机的剩余使用寿命，并比传统方法有着更高的预测精度。