摘要：为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从MCAA中学习民机运行风险特征的方法。针对民机运行特点,结合事故信息及认知可靠性和失误分析方法(CREAM),设计出MCAA-CREAM模型,并构建民机多属性技术重大事故数据集。采用自组织映射(SOM)模型,完成对事故的聚类分析和抽象特征映射,以2D地图形式增强风险因素可读性,利用关联规则有效挖掘风险因素间的强关联关系。

摘要：机翼气动弹性模型参数一般具有不确定性,为了定量分析参数不确定性对二元机翼颤振可靠度的影响,采用响应面法结合确定性颤振分析对其进行了研究。通过v-g法求解气动弹性运动方程的特征值,获得确定性颤振临界速度,建立描述机翼颤振可靠度的隐式极限状态函数,利用响应面法进行函数拟合。采用验算点法计算颤振可靠度指标,获得设计验算点以及失效概率,分析颤振可靠性灵敏度,从而确定参数变化对机翼颤振的影响程度。最后通过算例分析,得出考虑参数随机性影响的可靠度比确定性分析的可靠度提高了4%,证明本方法切实可行,为机翼结构的颤振分析与优化设计提供理论依据。

摘要：为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。

摘要：针对民机维修间隔优化的问题,运用可靠性分析和可用性分析的方法确定最优维修间隔。对于符合三参数威布尔分布的民机部件,提出采用改进的极大似然估计法求解分布参数估计值;并以可靠度阈值为约束条件,可用度最大为目标,建立了预防性维修间隔优化模型。利用遗传算法进行求解,制定出最优维修间隔。通过实例分析,讨论了部件在不同维修水平下的最优维修间隔,结果表明该优化模型能够较好地制定出符合要求的最优维修间隔,为民航企业合理制定维修计划提供了理论依据。