描述:
研究了采用基于agent的建模与仿真(agent based modeling and simulation,ABMS)进行飞机拦截作战效能评估的方法。针对拦截作战的特点,提出了一种基于信息过程、以任务状态机为核心的agent模型结构。在此结构下,提出了信息域映射agent的概念以及基于此概念进行传感器探测与跟踪建模的方法,并给出了雷达探测与跟踪的通用模型。针对两类典型拦截作战情形进行了仿真和参数影响分析,验证了方法的合理性和有效性。分析结果表明,在单机作战、多机平台中心战和多机网络化作战三种不同作战模式下,飞机性能对效能的影响方式存在一定差异。
描述:
面向适航审定的飞行试验是验证民用飞机满足设计需求、表明适航条款符合性、形成审定证据的高风险、高成本的重要取证活动。定义和设计审定试飞场景是进行民机适航审定飞行试验的前提,由此提出了基于适航符合性证据链的审定试飞场景设计方法及流程,以“符合性证据链”为核心规划了逻辑严密、可追溯的适航符合性证据,引入基于模型的系统工程(model-based systems engineering,MBSE)方法实现了审定试飞场景符合性证据链构建过程的模型化。为提升可操作性,以适航要求“地面航向操纵性”为典型案例,演示了审定试飞场景需求分析、设计与需求确认过程,最终设计得到的审定试飞场景能够支持民机适航审定飞行试验的开展。
描述:
利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题,提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选,并将有效信息用于时间序列预测。首先,采用滑动时间窗口制备训练样本。其次,将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后,通过调整窗口大小,得到最优性能的二分类模型,以更好地适应预测维护需求。最后,利用美国航空航天局C-MAPSS数据集验证了该模型的有效性,相比于已有分类方法,其在剩余使用寿命分类方面更加准确。
描述:
利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题,提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选,并将有效信息用于时间序列预测。首先,采用滑动时间窗口制备训练样本。其次,将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后,通过调整窗口大小,得到最优性能的二分类模型,以更好地适应预测维护需求。最后,利用美国航空航天局C-MAPSS数据集验证了该模型的有效性,相比于已有分类方法,其在剩余使用寿命分类方面更加准确。