摘要：针对机队维修调度定检模式的经济性不足,综合飞机个体维修需求和机队整体航班运营与维修资源共享,提出一种新的民机机队航班指派与维修调度联合优化策略。为耦合飞行路径与维修方案,将飞行路径中涵盖的维修机会作为交互关键,创新改进了连接网络模型框架以将航班指派与维修调度统筹规划。全面考虑航班全覆盖与执飞连续性的运营约束、飞机适航性要求与维修资源承载限制的维修约束,基于网络结构建立了联合优化整数规划模型。设计了一种基于原始问题分解的两阶段求解算法,通过维修机会导向的航班指派优化与维修任务择优分配,高效输出联合调度方案。通过实例分析证明所提策略能够高效获得低成本调度方案,为航司维修调度优化提供指导。

摘要：在实验室环境下精准再现基于测试或仿真的声环境,对降噪优化设计与声品质评价研究具有重要意义。常用的基于扬声器阵列的声场再现方法能在特定的空间区域内再现原始声场分布,提供更为真实的临场感和沉浸感,但扬声器的指向性特性较差会降低声场再现的精度。本文提出一种考虑扬声器指向性补偿的声场再现方法用于提高声场再现的精度。该方法基于扬声器指向性的声压表达模型,利用坐标变换的方法将空间观测点转换到以扬声器为中心的局部坐标系下,并采用插值的方法实现空间观测点的指向性补偿;最后采用声压匹配的方法求解扬声器驱动权重,实现声场的精准再现。开展基于仿真指向性补偿和实测指向性补偿的声场再现试验,结果表明考虑指向性补偿比不考虑补偿的声场再现精度平均提高了约22.37%,验证了所提声场再现方法的有效性。

摘要：针对采用“即刻返工”机制的生产系统面临的设备组成复杂性高、空闲机器空转时间长、能耗在线优化难度大等问题,提出一种基于数字孪生的生产系统在线能耗优化方法。构建了面向生产系统能耗优化的数字孪生系统,建立了面向“即刻返工”机制的生产系统能耗数字模型,融合实时数据实现了基于最佳缓存区阈值的在线能耗优化。以某新能源车厂电池车间模组产线为应用对象,设计并开发了该车间返工型生产线的能耗优化数字孪生系统,验证了所提方法的有效性与可行性。

摘要：大样本高维度状态监测数据对剩余使用寿命(RUL)精准预测有着技术性挑战,为了提高以航空涡轮风扇发动机为代表的复杂装备的预测精度和收敛效率,提出一种两阶段的选择性深度神经网络集成方法.第1阶段为多方法联合扰动下的候选集生成方案,通过采用异质神经网络结构、多时间尺度设计和算法参数随机化消除模型内部耦合关系,强化候选深度神经网络集多样性;第2阶段利用遗传算法集成修剪冗余模型,有效剔除性能不佳的冗余学习器,以获取多样化最优候选子集,并按平均集成输出预测结果.与个体模型的数据实验对比表明,所提方法通过同步增强集成模型准确性和多样性,提升了近20%的RUL预测精度,可为运维决策提供有力支撑.

摘要：针对我国商用飞机智能维修和数字化诊断的需求,面向非结构化故障隔离手册,提出新型BM长短期记忆网络(BM LSTM)算法.运用多数投票法融合条件随机场(CRF)、双向长短期记忆网络(BiLSTM)、BiLSTM CRF 3种实体识别算法,有效提高实体识别精度.基于商用飞机维修故障诊断手册构建维修方案知识图谱,结合词频-逆向文件频率(TF-IDF)相似度算法与BM LSTM算法,设计商用飞机维修方案推荐系统,实现通过检索非结构化故障描述文本准确匹配到维修方案的功能.实验结果表明,利用商用飞机故障隔离手册构建知识图谱、基于所提创新方法开发的维修方案推荐系统,能够有效保证维修信息精确匹配,显著提高维修方案形成效率.

摘要：针对数字孪生在可重构制造系统(RMS)的应用问题,提出面向RMS的数字孪生与制造仿真一体化平台(DTMSIP)架构. DTMSIP架构充分适配RMS动态重构特性,可以在RMS构型设计中实现仿真分析.对面向RMS的数字孪生映射进行建模,通过引入孪生实体(TE),实现RMS车间的多源异构数据集成,并分别建立机床与构型的数字孪生映射.建立数字孪生方法在RMS重构中的应用流程,通过信息物理融合迭代与构型仿真优化迭代,DTMSIP可以服务于RMS的系统重构.为了验证所提出方法的可行性,使用虚幻引擎四(UE4)为一套实际的模块化RMS构建数字孪生平台,并将当前构型以及4种规划构型作为仿真输入.通过分析重构成本、生产周期与系统平衡率3项指标,实现对构型的量化综合分析,实现了重构设计流程加速.

摘要：运用网络信息资源构建知识库以提供知识答疑服务,有助于汽车企业或第三方平台获取竞争优势。本研究通过汽车运维专家系统集成建模,提出了基于知识图谱的系统构建方案。在命名实体识别方法上,通过集成隐马尔可夫模型、条件随机场(conditional random field,CRF)、双向长短期记忆网络(Bi-directional long short-term memory,BiLSTM)、BiLSTM CRF和Lattice LSTM,提出了BM LSTM(boyer-moore long short-term memory)算法,提高了实体识别精度。在文本质量评估算法上,设计了二级文本质量评估体系,基于词林工具包Synonyms以及Levenshtein Distance算法评估了问题匹配质量,基于TF-IDF(term frequency-inverse document frequency)相似度算法并围绕完整性、准确性、可靠性、论述强度评估了答案文本质量。最后对所提模型和算法进行了实验,证明了其有效性。

摘要：针对传统相似性方法在提取健康指标和相似性匹配上存在的不足,提出结合自编码器神经网络的基于多时间尺度健康指标相似性的预测方法(AE MTS-HI).采用自编码器从状态监测数据中提取表征发动机退化状态的健康指标,降低提取过程非线性信息的损失.将测试退化轨迹长度的波动纳入考量,针对性地设计多时间尺度的健康指标进行相似性匹配.这不仅可以克服单一时间尺度匹配导致的精度限制,而且可以提高预测的鲁棒性.在涡扇发动机的公开数据集上验证所提方法的性能.结果表明,利用该方法能够显著提升剩余使用寿命(RUL)的预测精度,为预知维护提供有力支撑.