PCA-ANN在典型航空材料铝合金腐蚀数据预测中的应用

针对航空装备在热带海洋大气环境下服役时对金属材料大气腐蚀预测的需求,提出了主成分分析法（PCA）优化的BP神经网络（BPNN）和广义回归神经网络（GRNN）模拟热带海洋大气腐蚀预测模型。研究结果表明,PCA可以很好地对原始数据的进行特征提取,降低样本集的维度。PCA-BPNN和PCA-GRNN模型的拟合优度与预测精度没有明显的相关关系。与PCA-BPNN相比,PCA-GRNN的预测精度高、稳定性更好,这为模拟热带海洋大气腐蚀研究提供了新思路,具有较好的借鉴意义。     

热带海洋大气环境典型航空材料清洗效能研究

目前，市场上航空产品清洗剂种类繁多，质量参差不齐，且大部分控制剂仅进行过诸如清洗效率、腐蚀性、与非金属材料相容性、贮存稳定性、外观、闭口闪点、pH值、黏度、乳化性等实验室理化性能测试，而较为缺乏真实外界环境试验鉴定考核结果。尤其是对于南海、远海等恶劣环境条件地区，航空产品会遭受高温、高湿、高盐雾等恶劣环境因素的综合影响，未经实际试验而盲目选用不恰当的腐蚀控制方法，易导致航空产品出现“欠保障”或“过保障”问题，带来安全隐患，给机务维护工作带来极大不便。本文以典型航空材料铝合金为研究对象，选取国内市面上几款典型的清洗剂，以清水清洗为对照，对其在南海海洋大气环境下的清洗效果进行试验评价，探索不同清洗剂对民用航空器关键材料腐蚀损伤的影响。