1 中国民航大学,a.工程技术训练中心
2 中国民航大学,b.电子信息与自动化学院,天津 300000
针对传统的飞机舵面故障诊断效果差及泛化能力弱的问题,提出了将卷积神经网络(CNN)算法结合支持向量机(SVM)分类器搭建适于民机升降舵的故障诊断模型。该模型从原始的故障数据出发,逐层学习实现故障特征的提取及故障类型的识别,使用SVM替代 softmax函数对故障进行分类。与传统的CNN网络、深度置信网络(DBN)模型进行测试结果对比,实验结果表明: 所提方法对升降舵故障识别精确率最高,可达99%以上。为了能够直接观察这3种模型在特征表示上的差异性,对识别结果进行了降维可视化(T-SNE),通过可视化之后的图形可以看出,CNN-SVM模型具有显著的聚类效果。最后,数据集中加入噪声,验证了所建模型相比于其他两个模型具有良好的抗噪能力、泛化能力以及强化学习能力。
故障诊断 卷积神经网络 支持向量机 升降舵 降维可视化 fault diagnosis Convolutional Neural Network(CNN) Support Vector Machine(SVM) elevator visualization through dimensionality reduction
1 中国民航大学工程技术训练中心国家级实验教学示范中心，天津 300300
2 天津工业大学电气与电子工程学院，天津 300387
采样噪声对白光干涉信号Fourier频谱的各个频率均有影响，选用合适的滤波方法进行滤波将有助于提高白光干涉信号信噪比并获得更加准确的解算结果。构建了特定能量比例条件下的能量最集中约束条件，并建立了选取带通滤波器的代价方程。实验给出了白光LED照明条件下代价方程的部分计算过程和结果，代价方程取得最小值时表面粗糙度测量标准差仅为0.02 nm。最后在所选参数条件下对银膜反射镜和台阶结构进行了测量，结果表明所提方法具有较好的测量重复性和分辨率。
傅里叶光学 白光干涉信号 Fourier变换 包络线 代价函数 激光与光电子学进展
2021, 58(9): 0907001
1 中国民航大学, a.适航学院
2 中国民航大学,b.电子信息与自动化学院
3 中国民航大学,c.工程技术训练中心, 天津 300300
极限学习机(ELM)作为一种新型神经网络, 具有学习速度快、泛化能力好等优点,但其输入权值矩阵和隐含层偏置是随机生成的, 易导致网络不稳定和偏差较大等问题。引入改进的差分进化多目标寻优算法, 获取训练误差最小时的极限学习机输入权值矩阵和隐含层偏置, 从而改进极限学习机。最后, 将优化后的极限学习机应用于方向舵系统故障诊断, 结果表明, 改进后的极限学习机具有较高的学习速度和诊断准确性。
故障诊断 差分进化算法 极限学习机 方向舵系统 fault diagnosis differential evolutionary algorithm extreme learning machine rudder system
波音787等新型民航客机的投入使用对模拟训练器的驾驶舱虚拟综合显示系统提出了新的要求。为满足新型显示系统可切换、可重组、可移植, 显示内容更加丰富, 显示方式更加灵活的需求, 分析了新型显示系统的特点, 提出基于虚拟仪表组件素材库的开发流程。运用VAPS开发了显示界面, 建立了数据接口、通信链接和通信协议, 根据开发流程设计了满足要求的波音787虚拟仿真综合显示系统。为今后虚拟仪表的开发提供了开发流程、模块化素材库和通信协议, 大幅度提高了开发虚拟仪表的质量和速度。
显示系统 虚拟仿真 驾驶舱仪表 素材库 display system virtual simulation VAPS VAPS cockpit instrument material library
