由于启闭机液压系统内部结构复杂,故障信号不易采集,使用AMESim软件搭建启闭机液压系统仿真模型,构建6种典型故障数据集。基于这些数据集,提出一维卷积神经网络(1 Dimensional Convolutional Neural Network,1DCNN)与门控循环单元(Gated Recurrent Unit,GRU)相结合的故障诊断方法,利用1DCNN提取信号数据的空间特征和GRU提取信号数据的时间特征,实现对信号数据空间及时间特征的融合,并对融合特征进行分类识别。

为了克服传统计算流体力学代理模型不能有效模拟流体力学高度非线性系统的困难,解决现有基于深度学习的代理模型难以有效处理时间顺序信息的问题,以扑翼飞行器的二维翼型为研究对象,基于门控循环单元(GRU)与多层感知机,建立扑翼非定常气动参数的快速预测模型,实现对扑翼扑动时高度非定常、非线性气动参数的实时预测.使用计算流体力学方法获得扑翼二维翼型扑动时的气动参数,以该参数为样本训练预测模型.将扑翼的扑动振幅、频率、摆动角度与运动时间输入预测模型,快速得到扑翼在对应扑动状态下的升力、阻力与力矩.实验结果表明,所建立的预测模型精度高、计算速度快,能够实现对扑翼非定常气动参数变化的实时高精度预测.