风影响下航空器多目标最优控制航迹优化方法

作者： 常哲宁   胡明华   张颖   杨磊   邹润原   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 最优控制   基于航迹运行   空中交通管理   非线性规划   多目标优化   航迹优化  

描述： 风影响下的四维航迹优化问题约束复杂，多目标四维航迹优化模型难以求解。为此，基于最优控制方法研究固定水平航路下考虑风影响的航迹垂直剖面多目标优化问题的建模和求解。首先，以飞行时间和飞行油耗最小化为双目标建立航迹最优控制模型；然后，设计了梯形配点结合ε-constraint的模型求解方法，并特别针对按高度层飞行场景下的航迹优化提出了两阶段求解方法；接着，建立四维航迹仿真模型用于对轨迹优化效果的仿真验证；最后，选用长航线实际飞行计划数据作为算例进行算法性能分析，并区分自由选择高度和按高度层飞行两种场景进行航迹优化效果验证。实验结果表明：所提出的模型和算法相比另外两种常用算法能获得更优的Pareto前沿解，按高度层飞行场景下采用两阶段求解方法能获得更优的前沿解；自由高度飞行和按高度层飞行两种场景下求得的前沿解中最低油耗航迹分别比飞行计划仿真航迹的油耗降低了6.33%，5.94%，最短飞行时间航迹分别比飞行计划仿真航迹的飞行时间降低了10.16%，10.01%。

多目标遗传算法在航空发动机传感器中的稳态分析

作者： 刘钊勇   张艺婷   李源彬   来源： 传感技术学报 年份： 2023 文献类型 ： 期刊 关键词： 遗传算法   发动机   多目标   模型修正   稳态特性  

描述： 为了实现对航空发动机传感器稳态性能参数的精准估计，达到精准仿真分析航空发动机传感器稳态特性的目的，研究基于多目标遗传算法的航空发动机传感器稳态特性仿真分析模型。构建航空发动机传感器稳态特性数学仿真分析模型，运用多目标遗传算法经选择操作、交叉操作、变异操作及个体适应度函数值求取，选出最优组合参数，完成对所构建仿真分析模型的修正，获得修正仿真分析模型，完成稳态特性仿真分析。实验结果表明，该模型修正过程收敛速度高，具有较高的航空发动机传感器稳态性能参数估计精度，针对不同稳态工况下的航空发动机传感器性能参数运算误差始终低于2%,具有稳定且精准的稳态特性仿真分析性能。

基于智能算法优化BP的航空器滑出时间预测

作者： 朱晓波   贾鑫磊   王楚皓   来源： 科学技术与工程 年份： 2023 文献类型 ： 期刊 关键词： 机场场面运行效率   粒子群优化   麻雀搜索算法   BP神经网络   滑出时间  

描述： 滑出时间是评估大型机场场面运行效率的主要性能指标，科学准确地预测离港航空器的滑出时间，对于提升场面运行效率至关重要。首先，分析了航空器滑出时间影响因素及相关性，构建了基于反向传播(back propagation, BP)神经网络的航空器滑出时间预测模型。针对BP神经网络存在对初始权值和阈值敏感、准确性和稳定性欠佳等缺点，分别采用粒子群优化(particle swarm optimization, PSO)算法和麻雀搜索算法(sparrow search algorithm, SSA)获取BP神经网络的最优权值和阈值，并采用中国中南某枢纽机场2周的实际运行数据对智能算法优化后的预测模型进行了验证。结果表明：滑出时间与半小时平均滑出时间、起飞队列长度、同时段滑行的离港航空器数量均有强相关性，与同时段滑入的进港航空器数量中度相关，与滑行距离和经过冲突热点区域个数相关性较弱；考虑强相关和中度相关影响因素的4元组合预测模型的预测结果最佳；智能优化算法通过获取神经网络的局部最优权重和阈值，可有效地提升航空器滑出时间预测结果的精度，但运算过程耗时也更长；基于PSO优化后的BP神经网络预测结果较优化前的平均绝对百分比误差(mean absolute percentage error, MAPE)提升了1.13%,平均绝对误差(mean absolute error, MAE)减少了4.48 s,均方根误差(root mean squared error, RMSE)减少了4.68 s;基于SSA优化后的BP神经网络预测结果较优化前的MAPE提升了3.05%,MAE减少了16.55 s, RMSE减少了14.31 s。

OBE理念下《民用航空法》SPOC教学模式的应用探索

作者： 田先华   来源： 法制博览 年份： 2023 文献类型 ： 期刊 关键词： SPOC教学模式   OBE理念   民用航空法  

描述： 《民用航空法》是一门研究民用航空活动中相关法律法规和实务的课程，将OBE理念渗透于《民用航空法》课程教学的各个环节，需要教师系统地对整个教学环节进行重构，包括：明确预期学习产出，合理安排教学过程与步骤，科学设计量化考核标准及持续改进方式等。最终让学生能胜任民航企事业工作，具备民航职业法律素养。

基于几何设计法的航空发动机内外机匣减振控制新方法

作者： 安然   陈佳杰   杜潇   张海波   王继强   来源： 南京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 受限控制   主动振动控制   有限频域   航空发动机内外机匣   几何设计法  

描述： 匣振动传递动力学模型，并从航空发动机内外机匣减振控制问题出发，利用一种新型的控制算法（几何设计法），在有限频域内来设计减振控制器，在传感器和执行机构受限的情况下，尝试对多个输出量（即航空发动机的内机匣

综合模块化航空电子系统安全分析的模型检测方法

作者： 邝安玄   马超   王佳明   来源： 电光与控制 年份： 2023 文献类型 ： 期刊 关键词： 模型检测   综合模块化航空电子系统   系统分析   安全性  

描述： 综合模块化航空电子(IMA)系统可以在有效提高系统效率的同时减少资源的分配，但集成工作增加了系统的复杂性，同时使系统的故障在综合过程中传播到其他系统，这对系统的安全性也有很大的影响。传统的系统安全分析方法主要依赖于工程经验和个人技能，存在忽视系统故障状态和误判故障影响的局限性。为了解决该问题，提出了一种新的综合模块化航空电子系统安全分析方法——模型检测，使用遍历算法搜索所有系统状态。这种分析过程的使用在实现自动化的同时减少对工程经验的需求。该方法在综合模块化航空电子系统安全分析中的实用性得到验证，在系统需求规格的基础上给出了分析过程，利用模型检测工具NuSMV进行安全性分析。该方法能够自动识别出引起顶层事件的最小故障组合，从而达到传统故障树分析的目的，最终通过案例分析表明了该方法的实用性。

面向航空发动机复杂机匣深腔测量的机器人位姿优化及关节路径平滑方法

作者： 漆琪   杨吉祥   丁汉   来源： 机械工程学报 年份： 2023 文献类型 ： 期刊 关键词： 机器人测量   无干涉区域   位姿优化   运动光顺   差分进化算法  

描述： 机器人测量位姿优化及运动光顺的无干涉路径规划方法。首先，基于距离的干涉检测构建测量路径点的无碰撞区域，建立以机器人关节加速度为性能指标，考虑激光束出射方向与曲面法向夹角、机器人关节限位的优化函数，将姿态

基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法

作者： 陈维兴   常东润   李宗帅   来源： 电子测量与仪器学报 年份： 2023 文献类型 ： 期刊 关键词： 梯度惩罚项   航空发动机   条件式生成对抗网络   Wasserstein距离   剩余寿命预测  

描述： 针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题，提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先，使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征；然后，利用生成器生成故障样本并与真实样本混合，作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较，结果表明：与单一真实样本训练预测模型相比，使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。

改进一维卷积神经网络的航空发动机故障诊断方法

作者： 伍济钢   文港   杨康   来源： 电子测量与仪器学报 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机   故障诊断   一维卷积神经网络   多尺度模块  

描述： 针对现有航空发动机故障诊断的1DCNN方法缺乏故障频率多尺度特征提取能力以及对原始振动信号时域特征提取不足的问题，通过融合内嵌多尺度层到双通道1DCNN提出了改进1DCNN的航空发动故障诊断方法

基于可自动扩展的LSTM模型的航空发动机剩余寿命预测方法

作者： 胡立坤   何旭杰   殷林飞   来源： 计算机应用研究 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络   航空发动机   自动扩展   子模块级联   剩余寿命预测  

描述： 对航空发动机进行实时状态监测与健康管理可以有效降低发动机故障风险，确保飞机飞行安全。准确预测航空发动机的剩余寿命是有效监测发动机运行状态的一种重要手段，其中长短期记忆(Long-Short Term Memory,LSTM)网络常被使用。但由于航空发动机复杂的机械结构与运行模式，使用传统的LSTM网络对航空发动机的剩余寿命进行单次预测后，所得预测结果的准确率不足以满足其寿命预测的精度要求。基于LSTM网络的广泛使用以及它对时间序列数据的有效预测能力，并考虑到采用多级预测的方法能够有效降低预测误差，提出了一种新型的可自动扩展的长短期记忆(AutomaticallyExpandableLSTM,AELSTM)预测模型。AELSTM模型依托多个子模块逐级连接的网络结构，不断地提取前一级模块的输出误差作为后一级模块的训练值，形成了误差的多级预测机制，有效降低了模型的预测误差，提升了预测结果的准确性。最后，基于美国国家航空航天局发布的C-MAPSS数据集的四个子集，对AELSTM模型的预测效果进行了测试。实验结果表明，与传统的LSTM网络相比，AELSTM模型在四个子集上的均方根误差平均减少了95.44%，同时它的预测效果也优于现有的一些先进算法。实验充分验证了AELSTM模型在提升航空发动机剩余寿命预测准确度方面的有效性与优势。