考虑推力意图的航空器连续爬升垂直剖面预测

作者： 杜卓铭     张军峰     苗洪连     王斌   来源： 北京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 空中交通管理   性能模型   连续爬升   航迹预测   推力意图  

描述： 顶点(TOC)的时间和距离的误差。结果表明：采用所提预测方法可以将到达TOC时间平均绝对误差控制在1 min内；与不考虑推力意图的预测方法相比，可以降低到达TOC时间平均绝对误差约52%。

基于长序列的航空发动机剩余使用寿命预测方法

作者： 郭俊锋     刘国华     刘国伟   来源： 北京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机   长序列信号   剩余使用寿命预测   堆叠膨胀卷积   Hyperband超参数优化算法  

描述： 针对多传感器长序列数据下航空发动机剩余使用寿命预测方法存在预测准确度不足的问题，提出一种基于堆叠膨胀卷积神经网络(SDCNN)的航空发动机剩余使用寿命预测方法。将多传感器长序列数据归一化处理，降低因量纲和取值范围不同引起的误差；构建预测目标函数表征航空发动机的真实退化情况；搭建基于SDCNN的预测模型，扩大模型感受野，提取数据中的长期、深层和全局时序特征用于回归分析，得到航空发动机的剩余使用寿命预测结果；采用Hyperband优化算法和StratifiedKFold交叉验证方法优化模型，提升模型预测准确度和不同条件下的适应性，并采用商用模块化航空推进系统仿真(C-MAPSS)数据集验证所提方法的有效性。在C-MAPSS中FD003数据集上的实验结果表明：所提方法可有效提高基于长序列的航空发动机剩余使用寿命预测准确度，模型预测准确度得分指标明显降低32.62%。

航空电推进电机多层波浪形拓扑及散热设计方法

作者： 徐金全     林华鹏     郭宏   来源： 北京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 航空电推进电机   散热结构   永磁同步电机   电机功率密度   热网络模型  

描述： 针对航空电推进电机的散热问题，提出一种基于多层波浪形散热拓扑的航空电推进电机高效散热设计方法。航空电推进电机采用多层波浪形散热拓扑，建立电机等效热网络模型，确定等效热阻、对流换热系数等重要参数，完成电机温度精确计算，并通过CFD仿真验证所建立电机等效热网络模型的准确性和有效性。以此为基础，对比分析传统散热翅和多层波浪形散热拓扑对电机功率密度的影响。基于多层波浪形散热拓扑的等效热网络模型，采用遗传学习粒子群优化(GL-PSO)算法，完成航空电推进电机高效散热优化设计。优化结果表明：相比于原始方案，优化方案的机壳质量减轻15.1%，整个电机的功率密度提升0.06 kW/kg。

北京航空航天大学学报 2022年 第48卷 总目次(总第347期～总第358期)

作者： 暂无 来源： 北京航空航天大学学报 年份： 2022 文献类型 ： 期刊 关键词： 北京航空航天大学学报  

描述： ~~

不确定条件下航空不安全事件灵敏度分析的Monte-Carlo方法

作者： 陈浩然   崔利杰   任博   张贾奎   来源： 北京航空航天大学学报 年份： 2020 文献类型 ： 期刊 关键词： 不确定性   Bow   tie模型   Monte   航空安全   灵敏度   Carlo方法  

描述： 不确定条件下航空不安全事件灵敏度分析的Monte-Carlo方法

基于Trans/Attention的飞行区航空器监视数据融合方法

作者： 王兴隆   尹昊   丁俊峰   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 场面监视雷达   注意力机制   Transformer   数据融合   广播式自动相关监视  

描述： 针对飞行区航空器单一监视源存在监视精度低、位置跳变的问题，提出了一种基于Transformer和注意力机制的航空器监视数据融合方法。首先利用Transformer的编码器结构分别对各监视源数据进行特征提取，然后通过注意力机制对不同监视源赋予权重值，最后经过全连接网络进行回归计算，以获得最终的融合结果。选取场面监视雷达和广播式自动相关监视系统的监视数据作为融合源，多点定位数据作为真实标签，实验结果表明，该方法有效降低了单一监视源的监视误差，且融合效果优于基于注意力机制的长短期记忆网络、循环神经网络和扩展卡尔曼滤波融合方法，平均绝对误差分别提升了2.20%、14.32%和33.94%。

基于融合卷积Transformer的航空发动机故障诊断

作者： 赵洪利   杨佳强   来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 自注意力机制   航空发动机   故障诊断   深度神经网络   融合卷积Transformer  

描述： 航空发动机长期处于恶劣的气路环境下工作会面临腐蚀、侵蚀等问题，且故障参数特征不明显，因此精准的航空发动机故障诊断方法对保证飞机安全运行具有重要意义。为提高预测准确性，提出了一种基于融合卷积Transformer的航空发动机故障诊断方法，利用自注意力机制提取有用特征，抑制冗余信息，并且将最大池化层（MaxPool）引入Transformer模型中，进一步降低模型内存消耗以及参数量，缓解过拟合现象。以基于GasTurb建模的涡扇发动机仿真数据集进行验证，结果与Transformer网络和其他传统深度学习模型反向传播神经网络（Back Propagation Neural Networks， BP网络）、卷积神经网络（Convolutional Neural Networks， CNN）和循环神经网络（Recurrent Neural Network， RNN）相比，准确率分别提高了6.552%、28.117%、13.189%和10.29%，证明了本文方法的有效性，可为航空发动机故障诊断提供一定的参考。

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。

基于截断p-shrinkage范数的航空发动机数据重构

作者： 张红梅     武江南     赵永梅     曾航     李全根   来源： 北京航空航天大学学报 年份： 2024 文献类型 ： 期刊 关键词： 截断p   shrinkage范数   交替乘子法   航空发动机   张量   数据缺失  

描述： 针对航空发动机传感器的数据缺失问题，提出基于张量奇异值阈值(TSVT)的张量重构模型LRTC-PTNN，对航空发动机的传感器数据进行重构。LRTC-PTNN模型运用截断pshrinkage范数的方式代替原始张量迹范数作为张量秩的凸包络，并根据TSVT的特性，计算了传感器之间的相关性，选取传感器截面作为重构精度最佳的数据输入方向，使用交替乘子法实现LRTCPTNN算法。选取NASA提供的PHM2008数据集进行实验，对数据集进行标准化，并在重构后进行恢复，将多个时间序列个数相近的发动机传感器数据构建为高维张量的形式，设置2种传感器的数据缺失场景进行实验，结果表明：重构后数据的均方根误差和平均绝对百分比误差范围分别为2.10～13.13和0.32～1.49,LRTC-PTNN模型优于现有的基线模型，且在极端情况下有较强的鲁棒性。