基于优化最小二乘支持向量机的小样本预测研究

统计学中的预测问题主要是通过对已知数据的分析,找到数据内在的相互依赖关系,从而获得对未知数据的预测能力。该文提出了最小二乘支持向量机参数优化方法———多层动态自适应优化算法,构建了基于最小二乘支持向量机的预测模型,并对Ti 26合金的性能预测进行了研究。结果表明:优化的最小二乘支持向量机具有优秀的小样本数据学习能力和预测能力。     

一种考虑各向异性的DD6单晶高温合金低周疲劳寿命预测方法

为研究DD6单晶合金低周疲劳性能,准确预测其低周疲劳寿命,基于循环损伤累积(CDA)寿命模型,引入取向系数,提出一种考虑晶体取向的CDA寿命修正模型,并对DD6单晶合金试棒进行了760℃低周疲劳试验。利用CDA寿命修正模型与Coffin-Manson寿命预测模型对试验数据进行分析、比较得到:DD6单晶合金低周疲劳性能[001]取向最优,[011]取向次之,[111]取向最差;CDA寿命修正模型在各晶体取向寿命预测分散性皆优于Coffin-Manson寿命预测模型,具有更好的预测精度;CDA寿命修正模型综合考虑取向相关系数对各取向低周疲劳寿命的影响,具有更广泛的适用性。     

不同Fe含量耐蚀钛合金(Ti-500)的腐蚀性能

研究了Fe含量在0.05%-0.20%(质量分数）范围内对Ti-500合金的焊接和腐蚀性能的影响。结果表明：Fe含量在0.05%-0.20%范围时，Ti-500合金具有良好的焊接性能，焊缝具有很强的腐蚀抗力；Ti-500合金在沸腾8M HNO3溶液中的腐蚀率小于0.1mm/y，溶液中添加Ru^3 ,Cr^6 ,Ce^4 离子能显著提高合金的耐蚀性。     

基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点,重庆-广州航路航空器记录的ADS-B数据作为研究内容,提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取,并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入,通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练,LSTM和CNN-LSTM作为实验对比模型,将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种,其预测精确性更高。     

粉末冶金Ti-6Al-4V 的组织及形成机理

利用热等静压(HIP)技术及旋转电极粉,采用预合金粉工艺制备了全致密的粉末冶金Ti-6Al-4V合金,用光学显微镜对其金相组织进行了观察,分析其形成机理,并对粉末冶金Ti-6Al-4V合金的室温拉伸性能、弹性模量、冲击性能及断裂韧性进行了研究.结果表明:粉末冶金Ti-6Al-4V金相组织主要由条片α相+相间β相组成,有细小的等轴α相分布在晶粒界面处,包裹着条片α相,这种独特的组织状态是由制备工艺决定的,具有良好的综合性能.     

Ti-6Al-4V合金氢致塑性效应与应用

利用光学显微镜研究了置氢处理后Ti-6A1-4V合金的微观组织,通过X射线衍射分析试验研究了置氢处理过程中的相转变过程;采用室温压缩试验研究了置氢处理后Ti-6Al-4V合金的变形行为,并进行了冷镦试验.结果表明,氢促进了α"马氏体与亚稳β相的形成,亚稳β相的形成与转变是Ti-6Al-4V合金变形性能提高的主要因素;在...     

Cr在Ti-Al-Cr合金抗高温氧化过程中的作用研究

研究了 Ti-50 Al,Ti-50 Al-1 5Cr,Ti-4 5Al-1 5Cr和 Ti-67Al-8Cr(原子百分数 )合金在 90 0～ 1 0 0 0℃下的高温氧化性能。结果表明 :Ti-50 Al-1 5Cr,Ti-4 5Al-1 5Cr和 Ti-67Al-8Cr均表现出优良的抗氧化性能,氧化后表面主要是 α-Al₂O₃及少量的 TiO₂ 组成。Ti-50 Al-1 5Cr,Ti-67Al-8Cr和 Ti-4 5Al-1 5Cr合金良好的抗高温氧化性能归于 Cr在合金抗氧化过程中起到了吸氧效应的作用。另外发现对于 Ti-50 Al-1 5Cr和 Ti-67Al-8Cr均发生了 950℃时的氧化增重比 1 0 0 0℃时的氧化增重大,这是由于 Cr的加入使 Ti的活性降低的缘故。     

激光熔化沉积Ti-6Al-2Zr-Mo-V钛合金组织特征研究

采用激光熔化沉积快速制造工艺直接成形Ti-6Al-2Zr—Mo—V合金板材。激光熔化沉积过程中合金粉末充分熔化并在液态均匀混合以得到成分均匀、全致密的组织。SEM分析表明,激光沉积Ti-6Al-2Zr-Mo—V合金具有均匀细小的α／β双相片层组织,且片层取向随机多样,分布均匀。其组织特点与激光沉积过程中的快速凝固和固态相变有关。解释了其特征组织的形成机理,并讨论了其沉积层组织特征对性能的影响。     

冷坩埚定向凝固TiAl基合金高温持久性能研究

采用电磁冷坩埚定向凝固技术制备了成分为Ti-47A1-2Cr-2Nb的合金铸锭,定向凝固后的显微组织为α2+γ全片层结构.在0.4～1.2mm/min的抽拉速率范围内,随着抽拉速率的增加,片层间距减小,柱状晶与生长方向的夹角增大.随着温度升高,合金的拉伸强度有所下降,但由于细化片层界面对切变应力变形的阻碍作用,合金的高温拉伸强度会随着抽拉速率的增加而提高.通过对抽拉速率为1.0mm/min试样的拉伸强度与温度的拟合,得到了拉伸强度和温度之间的函数关系.随着抽拉速率的增加,Ti-47A1-2Cr-2Nb合金的持久寿命明显升高,对于抽拉速率为1.2mm/min试样的持久性能测试表明,其持久寿命最长,达到了48h.持久试样的断口形貌表明,其断裂的主要方式是伴随着少量延性断裂的脆性解理断裂.最后根据时间-温度模型,分别采用Larson-Miller和Manson-Haferd参数法建立了定向凝固Ti-47Al-2Cr-2Nb合金的持久强度预测函数模型,预测的理论值与试验结果吻合度较高.     

Ti-15-3钛合金的超塑性

Ti-15-3(Ti-15V-3Cr-3Sn-3Al)合金是一种在航空航天工业领域具有广泛应用前景的亚稳定β型钛合金。本文介绍了Ti-15-3合金的性能特点和应用,总结和评价了固溶态、热轧态和冷轧态Ti-15-3合金超塑性研究的进展情况。针对已取得的成果和研究中存在的问题,对Ti-15-3合金超塑性的进一步研究提出了一些看法并作了展望。     

动态模糊RBF神经网络焊接接头力学性能预测建模

建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明：模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。     

基于SVR和NSGA-II的钛合金铣削参数多目标优化

对钛合金材料Ti6Al4V铣削加工进行有限元数值计算,结合试验设计方法构建了基于支持向量回归机（SVR）的铣削力预测模型,以材料去除率和刀具寿命为优化目标,提出一种基于支持向量回归机和带精英策略的非支配排序遗传算法（NSGA-II）的优化方法。结果表明,该方法能够获得满意的Pareto解集,为钛合金铣削参数优化提供一种新的方法,具有良好的推广价值。     

一种设计高强韧性钢材的新方法

在实验数据的基础上,利用人工神经网络建立高Co-Ni二次硬化钢的力学性能与合金成分及热处理温度对应关系的模型。提出将五个材料力学性能指标及部分合金成分作为网络的输入,其它合金成分和热处理温度作为网络的输出,根据要求的力学性能设计性能设计材料的合金成分含量及热处理条件,获得了满意的结果,为高性能材料设计提供了一定的理论辅助手段。     

高性能钛合金粉末冶金技术研究

采用热等静压预合金粉工艺对Ti-6Al-4V钛合金粉末冶金技术进行了研究，同时就原料粉状态对粉末钛合金性能的影响进行了初步研究，并进行了近净形成型工艺试验。结果表明，采用预合金粉工艺制备的Ti-6Al-4V粉末钛合金材料性能良好，且可实现近净形成型；这说明预合金粉工艺在制备高性能、低成本钛合金部件方面有良好的应用前景。     

基于机器学习的航空器进近飞行时间预测

为了准确预测航空器的落地时间，提高空管部门间的协作效率，采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发，分析航空器在进近管制空域飞行时间产生差异的原因，提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签，基于提出的重要特征，采用岭回归、支持向量机、随机森林和神经网络算法，建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例，对4种机器学习模型进行训练、验证和测试，对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明，对于航空器进近飞行时间的预测，基于随机森林的模型表现出了最高的预测性能，模型的泛化能力最好、精确度高，回归效果越显著；进场状态是影响航空器进近飞行时间的最重要因素，而进场点和进场高度特征则对结果的贡献度最大。     

基于面向对象方法的压气机性能计算

提出一套预测压气机未知特性的方法,并基于面向对象思想采用变比热容计算方法进行压气机性能计算的分析和编程.结合粒子群优化（PSO）的全局寻优能力和反向传播（BP）神经网络的局部寻优能力提出基于PSO的BP神经网络（PSO-BP神经网络）预测压气机特性,分析了其预测误差和拟合误差:拟合误差基本都小于0.5%,预测误差基本都小于0.8%.其拟合精度和预测精度满足要求.采用变比热容计算方法来计算压气机性能,并采用面向对象方法编写了压气机性能计算程序.对几个压气机变工况点进行验证,各输出参数的最大误差为1.12%.因此,特性预测方法和性能计算的数学模型适用于压气机性能计算,这套方法同样适用于燃气轮机性能计算.      

基于遗传算法与神经网络微电阻点焊工艺参数优化

文摘微电阻点焊工艺参数的设置对焊点力学性能有着至关重要的作用,通过正交试验极差分析研究了工艺参数对0.05 mm厚TC1箔材焊点剪切力和剥离力的影响程度。通过赋予剪切力和剥离力相应的权值将双优化目标转化为单一的混合优化目标,结合神经网络与遗传算法,对工艺参数进行了优化,建立了基于BP神经网络的焊点力学性能预测模型。结果表明预测模型的误差小于4%,预测模型具有较高的精度和预测能力,可以准确地预测焊点的力学性能。同时通过gatool工具箱对各项工艺参数进行了优化,获得焊接参数的最优组合:焊接电流800 A、电极压力8.89 N、爬坡时间1.608 ms、焊接时间8 ms,混合优化目标为55.73 N。通过与正交试验优化结果对比,遗传算法寻优可以获得更好的综合力学性能。     

基于深度学习的单排孔气膜冷却性能预测

气膜冷却是增强涡轮叶片的高温耐受力,间接提高涡轮进口温度的有效手段之一。目前气膜冷却孔布局的主流设计方法是先通过计算流体力学（CFD）筛选和优化初始方案,再进行模型实验。这种方法设计周期长,时间成本高。传统上用于快速评估冷却效率的经验公式法存在函数形式复杂,拟合精度有限,参数适用范围较窄等问题。因此基于深度学习原理,设计了一种基于多层感知器模型（MLP）的深度神经网络,建立了绝热气膜冷却效率的预测模型。使用CFD数据训练网络,结果表明：深度学习模型在训练集和验证集上具有大于0.95的拟合度,在测试集上具有大于0.99的拟合度,可以较好地识别数据集中的抽象特征,具有较高的精度和较好的泛化能力。此外,在满足精度要求的前提下,一个完成训练的深度学习模型能够有效减少预测耗时,提高预测效率,在快速评估冷却布局性能方面具有较好的应用前景。     

基于动态RBF网络的发动机起动过程模型辨识

针对航空发动机在起动过程中各截面气流处于亚临界状态 ,难以利用传统的气动热力学方法进行建模的问题 ,本文利用发动机地面试验数据作为学习样本 ,采用动态径向基 (RBF)神经网络的方法 ,建立了航空发动机起动过程动态模型。仿真结果表明 ,利用该方法建立的发动机模型具有动态性好 ,精度高的优点 ,开辟了发动机中小转速建模的新途径