基于插值-拟合-迁移学习算法的机载设备故障概率预测

针对不同工作环境的机载设备故障概率预测问题,提出自适应权重的插值-拟合-迁移学习 (interpolation-fitting-transfer learning, ITF)算法。算法根据数据量和数据特征(分布相似度和信息熵)对插值、拟合、迁移学习赋予一定的权重进行线性组合。插值和拟合方法可以对故障频率进行平滑,而迁移学习可以规避数据贫化所引起的预测风险。分析该方法的可行性,通过仿真实例展示算法在预测准确度上的优势,并讨论算法中仍待解决的问题和下一步的工作。     

基于改进卷积神经网络的航空发动机剩余寿命预测

完成了不同拧紧力矩下复合材料层合板与金属板单钉连接拉伸静强度实验。建立了三维有限元模型,对层合板失效过程进行了分析。基于实验数据调整了层合板初始刚度,对数值模型进行了修正。修正后数值计算模型的连接强度与实验数据基本吻合。由分析可知,拉伸实验曲线达到强度极限前呈现近似双线性特征,斜率突变处发生了载荷衰减波动。试件接触面经历了初始静摩擦-瞬时动摩擦-静摩擦平衡的动态过程。M6螺栓拧紧力矩为8 N·m时,静载拉伸强度最大。连接强度的试验值与计算值误差均在6.7%以内。合适的拧紧力矩可获得最佳的连接强度,拧紧力矩过大会导致连接强度降低。