针对传统深度学习网络模型在变工况条件下的故障诊断泛化能力差的问题,提出一种基于迁移学习的双向长短时记忆网络和注意力机制(TLBA)融合的故障识别方法.将原始故障数据划分为源域及目标域;并构建融合注意力机制的双向长短时记忆网络(BiLSTM-Attention,BA)模型,之后使用此模型学习源域数据特征;最后利用迁移学习通过对目标域数据的学习,进一步优化调整BA模型的网络参数,最终得到目标域的故障分类辨识模型.以航空器翼梁故障为案例,结果表明,该方法与传统故障诊断方法BiLSTM-Attention相比,其综合评价指标F1-score有3.4％的提高,故障平均诊断准确率在91％以上;同时针对变工况下的故障分类结果较为稳定.

A prediction model based on Wasserstein conditional generative adversarial network-gradient penalty（WCGAN-GP） and convolution long and short-term memory network（ConvLSTM） is proposed to address the problem of unbalanced data caused by the difficulty of collecting fault data during the operating cycle of an aero-engine. First, a WCGAN-GP model is used to learn the deep distribution characteristics of the pre-processed time-series data; then, a generator is used to generate fault samples and mix them with real samples as a training set to input into the prediction model based on the ConvLSTM network for training. Through testing with C-MAPSS data set, the results show that compared with the single real sample training prediction model, the performance indexes RMSE and score of the model using mixed data are reduced by 12.65% and 48.95% on average.

结合工程教育专业认证要求及"新工科"内涵,以提高学生解决复杂工程问题能力为目标,优化实践教学体系.将人工智能和机场特色课程融合到实践教学体系,既提高了学生解决复杂工程问题的能力,又兼顾了"新"和行业特色.专业实践教学体系围绕"一个理念、一个主线、一个依托"构建,以"成功的工程必定是技术因素和非技术因素共同作用的结果"为理念,以层层递进的基本素质培养、基础实践能力培养、综合实践能力培养为主线,以"四个课堂"为实施依托,构建了自动化专业实践教学体系.

实际工业系统中,电机的负载形式多种多样且具有很强的非线性,因此对电机的控制算法提出了很高的要求.目前实验室电机控制相关实验项目中,电机恒定或变化的负载不易获得,很大程度限制了电机控制算法的验证,与工业实际情况有很大的差距.该文设计了基于电动模拟负载的电机控制实验系统,将磁粉制动器与交流电动机同轴连接,通过控制磁粉制动器使其模拟交流电机的负载.搭建了实验系统平台,并对系统进行调试,达到各项参数指标要求.通过实验平台可以开展信号处理、控制算法研究等实验,对同类实验设备的研制具有借鉴意义.

学习不仅仅是自然科学知识的学习,更是社会科学、民族文化、正确人生观和价值观的形成过程,"课程思政"是实现该目标的捷径,也是高等院校思想政治教育的新模式."课程思政"是培养学生解决"复杂工程问题"中所需要的非技术因素的重要途径.当前关于"课程思政"的论述是指导思想居多、实施经验以及案例较少,本文以"自动控制系统工程设计"为例,给出了"课程思政"教学案例的实施过程.

永磁直流力矩电机是工业生产中使用广泛的一种执行机构,对其构成的控制系统进行监控,具有重要的实践意义.采用PLC(可编程控制器)、直流电机驱动器、继电器、运算放大器等模块及器件设计并实现了永磁直流力矩电机调速实验平台,并利用组态王KingView设计了上位机监控系统.实验平台具有手动和自动两种工作模式,能够实现力矩电机正反转控制、转速闭环控制、速度曲线实时跟踪.实验结果表明该实验平台能够实现力矩电机的调速控制,具有较强的教学和实用价值.

工程教育认证是现代高等教育专业认证必须遵循的标准.以成果为导向,围绕学生进行课程目标达成和持续改进是实现工程教育认证的必备手段.文章以航站楼自动化技术与系统专业特色课程为例,分别从面向民航行业特色的课程大纲制定、讲义编写、教学过程改进和课程目标达成与持续改进方面进行论述.通过上述研究实践,最终形成了面向工程教育自动化专业认证的航站楼自动化技术与系统内容体系和和教学实施方法,促使课程目标对专业毕业要求的达成.

本文分析了课程建设与社会需求、学校定位及专业培养目标之间的关系,进一步明确课程建设目标,总结了课程建设包括的主要内容.针对"单片机"这门课程建设中存在问题,分别从课程目标、教学内容、教学方法和课堂管理、考核方法、教学评价等方面给出了改革措施.最后,作者从自己理解的角度,给出了课程建设的总体结构.不同的教学方法,它们的共同点都是确立以学生为中心的基本教学理念,充分调动学生的积极性、树立团队合作意识、让学生主动去发现问题、创造性的解决问题,提高学生的工程素养和创新能力.

自动控制系统工程设计是自动化专业高年级学生的一门专业课,当前关于课程思政的论述指导思想偏多、实施经验以及案例设计较少.以自动控制系统工程设计为例,详细给出了课程思政教学案例的具体实施过程,对同类课程提供参考.

在对飞行器制造工程专业的电工学课程进行分析的基础上,重新对教学内容进行了思考.结合现有电工学的教学内容,提出将部分内容与航空器的知识相结合,对教学内容进行调整,以满足学生未来就业的需要.

针对目前太阳能电池板不能随着太阳光的强度而进行采光角度的变化,目前太阳能的利用效率过低等问题,设计了一套太阳能电池板自动跟踪系统,该系统主要目的就是太阳能电池板与太阳光可以时时且处处垂直从而达到对太阳光的充分利用.该系统主要分为两部分,机械结构设计与控制系统设计.机械结构设计的目的是可以水平360°、高度180°的全方位的采集太阳光.控制系统设计主要目标是实现自动跟踪太阳光进而控制机械结构对太阳光的位置进行变化,从而更好采集太阳光.整个系统最终目标就是实现时时自动调整最大采光角度,从而高效利用太阳能.

课题组分析了自动控制系统工程设计课程的特点,根据课程培养目标,合理设置教学内容,并制订了以学生为中心的教学新措施:为了提高学生的工程实践能力,以学生为中心,转变教学思路,采用专题化教学、翻转课堂教学提高学生的积极性,发挥学生的主观能动性;基于CDIO模式进行项目设计,培养学生的工程思维;进行高效的实践教学;基于在线问卷调查,及时反馈学生知识掌握情况;校企合作共建实验室.以上措施,提高了学生的工程实践能力.

针对飞机地面专用空调优化控制的问题,将改进OPBM (Output Predicition and Balance Method)引入到飞机地面专用空调系统优化中.以波音737飞机地面专用空调为对象,采用分散辨识法,建立空调大系统数学模型,提出了同时考虑空调系统能耗与空调区域热舒适性的优化目标,建立了空调系统全局优化运行模型,设计带局部反馈的OPBMLF对模型进行了优化求解.利用Matlab进行仿真研究,研究结果与实际数据进行对比,结果表明优化控制策略能够在满足环境需求的情况下,实现系统能耗最小,验证了其有效性.

针对单片机课程教学,借鉴ISO9000质量控制体系,文章设计了以过程为基础的教学质量控制方法,提高学生单片机开发的理论水平和实践能力.首先分析了基于过程的质量控制理论,设计了课程质量控制的标准化过程、原则和方法.然后调查了自动化专业培养方案,分析了单片机课程的前序、后续课程,明确了该课程在专业课程中的地位.结合教学大纲、培训机构的课程目标,以及企事业单位对单片机开发人员的招聘要求,细化了单片机课程教学的目标,并明确了全部知识点组织和重点案例的设计.最后,针对该教学目标,设计了基于学习质量的教学进度控制方法、质量评估方法和强交互式的在线学习方法,实现了课程教学全过程的质量控制.

The temperature control system is a highly nonlinear and uncertainty system,and using a conventional PID controller makes it difficult to achieve a good control effect.In this paper,a self-adaptive fuzzy PID controller is described.The model of controlled object is established by combining mechanism modeling with experiment.Aiming at the problem that the parameter range of the self-adaptive fuzzy PID controller varies greatly and is difficult to adjust,a new method is proposed which can easily provide a more reasonable fuzzy controller output variable range.The fuzzy rules based on experts' experience and knowledge are adopted.The simulation model is established using MATLAB/SIMULINK.The simulation results show that the self-adaptive fuzzy PID controller has better robust performance against system parameter changes and uncertainties.

Aiming at autonomous cognition problem,applying the winner-takes-all(WTA) learning mechanism,using cortical-striatal synaptic modification principle in basal ganglia,as well as based on the operant conditioning reflex theory,the basal ganglia autonomous cognitive model is established,which is suitable for the cognitive learning with limited actions.Skinner's pigeons experiment was simulated by applying this bionic learning model,which showes a gradual process of adaptive learning.The simulation results reflect that the proposed cognitive model is effective and can be used in the balance learning for a self-balancing robot.In the premise of unknown robot mathematical model,the purpose of self-balancing learning is achieved through the operant learning in the proposed model.This research provides a reference for agent's bionic cognitive model.

飞机停靠廊桥时,客舱内空气质量的优劣直接影响机组成员的工作效率.为分析桥载空调送风速度对客舱内部空气质量的影响.将波音737飞机头等舱作为研究对象,以CFD方法和传热学为基础,对飞机客舱内空气质量进行数值模拟.利用PMV与CO2相对浓度为基础的新指标(IAO)作为客舱内空气质量的评价标准,通过Gaussian法拟合曲线,得出评价指标IAO与送风速度的函数关系,分析结果表明,送风速度过大或过小对客舱内空气质量有较大影响,送风速度为0.82m/s附近时,空气质量最佳,最后通过拟合优度检验与实际调查,证实了其可靠度与可行性,可以作为桥载空调控制的参考依据.

两轮自平衡车的出现,给现阶段交通引入全新的定义,将人们的交通出行带上了一个智能化、便携化的平台,本文借鉴目前国内外两轮自平衡车的成功经验,设计了一款以STM32微处理器为控制中心,MPU6050为姿态感知模块,TB6612为电机驱动模块的硬件系统,通过滤波算法对数据进行融合处理,PID算法控制电机转动,从而实现一种新型、结构简单、低成本的两轮自平衡车,使其实现自平衡功能.

为了满足飞机停靠时基于地面空调的客舱能耗预测的快速性和准确性要求,提出了一种神经网络、微粒群和珊瑚礁相结合的飞机客舱能耗预测方法,该方法是基于小波神经网络建立能耗预测模型,采用珊瑚礁和微粒群联合算法优化预测模型参数.联合算法采用了双层框架,第一层将数据进行分组采用微粒群算法进行初步优化,之后将第一层优化结果送入第二层,在第二层利用珊瑚礁算法进一步优化,以提高预测精度并解决微粒群算法收敛速度慢、容易陷入局部极值的问题.最后进行了仿真,结果表明提出的联合算法能有效提高能耗预测速度和能耗预测的精度.

To correctly evaluate the energy needs of the aircraft cabin and to predict the energy consumption of the aircraft cabin with higher accuracy,an energy consumption prediction method based on improved particle swarm optimization (PSO) neural network algorithm parameters is proposed.The method combines the cooperative particle swarm optimization algorithm with chaotic particle swarm optimization algorithm.On the basis of cooperative particle swarm optimization algorithm chaos theory is introduced.Continuous search ability by using chaos optimization method to overcome the collaborative optimization algorithm is easy to fall into the local extremum problem.The parameters of the neural network can accelerate the convergence rate of the cabin,and also can improve the accuracy of prediction by improving the particle swarm optimization algorithm.Simulation results verify the validity and feasibility of the proposed method.