基于深度神经网络的流场时空重构方法

针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题，研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构，提出了一种基于深度神经网络的流场时空重构方法，并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征，训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时，重构出的流场与真实流场之间的均方根误差为0.0065左右，流场数据点数是原来的51倍；同时进行流场时间和空间高分辨率重构时，重构出的流场与真实流场之间的均方根误差可保持在0.065左右，流场时间维度的密度是原来的5倍，可极大提高实验效率，节约实验成本。     

基于机器学习的机翼气动载荷重构及传感器优化布置

风洞实验通过在机翼表面布置传感器来测量相应位置的气动载荷，由于传感器布置数量有限，难以直接得到整个机翼全息气动载荷分布。本文采用机器学习方法通过有限传感器数据重构机翼表面全息气动载荷，并提出了利用仿真数据对传感器进行优化布置的方法。从计算流体力学（Computational fluid dynamics,CFD）计算所得的机翼全息气动数据中选取有限位置数据模拟传感器实验数据，对比深度学习模型、高斯过程回归（Gaussian process regression, GPR）、支持向量回归（Support vector regression, SVR）与BP神经网络（Neural network, NN）对气动载荷的重构精度。通过评估由传感器数据重构的全息载荷精度对传感器布置方式进行优化设计。以M6机翼为例在给定的两个工况条件下验证本文所提出的方法。实验结果表明，GPR模型获得了最高气动载荷重构精度；给出了M6机翼在不同传感器总数下最优的截面数和单个截面布点数，最低传感器布置数下的最优布置方式，以及流场变化相对剧烈的前缘区域与展向截面的传感器布置方式。     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

基于PIV技术的压力场重构算法实现与研究

介绍了有限容积法、直接积分法和Poisson方程法3种基于PIV瞬时速度场重构压力场的基本原理以及相应的计算方法，选取管流突扩流场和偏置方块绕流流场两个不可压缩流场的瞬时速度场数据，采用上述3种压力场重构算法，分别研究了图像噪声、速度场精度、插值算法以及边界条件的类型与精度对重构压力场的影响。最后针对管流突扩过程第20ms的流场，给出了3种重构算法下的压力场云图以及对应的CFD模拟结果。研究表明，有限容积法和直接积分法容易受到噪声的影响而产生剧烈震荡，但是可以在较大的速度场误差范围内保持较高的精度，通过采用双线性插值可以获得更高精度的重构压力场；Poisson方程法不易受到噪声的影响而产生震荡，同时在高精度PIV速度场下的优势较为突出，通过采用双三次差值可以获得更高精度的重构压力场；混合边界条件仅仅测定边界上有限个点的压力值，就获得了接近狄利克雷边界条件下重构压力场的精度，远高于诺依曼边界条件；边界条件的误差严重降低重构压力场的精度，其影响程度比速度场误差还要大。     

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

运载火箭推力下降故障下的在线弹道重构方法

针对运载火箭推力下降故障下难以实现在线弹道重构的问题,提出了一种基于神经网络的剩余运载能力估计及程序角重构的算法。以线下基于工程实践的弹道优化方法生成的故障状态下最优弹道作为学习样本,针对程序角曲线的特点,分别使用不同学习方式学习一级飞行段程序角和其他飞行段程序角;分析不同超参数对神经网络训练过程的影响,利用随机搜索法选取超参数。该算法使用以神经网络为核心的机器学习思想,用基于数据的方式避免了因运载火箭动力学模型复杂而无法在线快速求解最优弹道的问题,能够解决大气环境下弹道重构的难题。仿真结果表明,该算法对剩余运载能力估计准确,重构程序角与最优弹道相比误差小,运算速度相比其他方法优势明显。     

基于卷积神经网络的近壁流动高分辨率平均速度场预测方法

本文设计并验证了基于卷积神经网络的边界层近壁流动高分辨率平均速度场预测方法:首先采用示踪粒子图像对数据集训练卷积神经网络，通过调整神经网络参数可以预测示踪粒子在数据集上的平均跨帧位移；然后使用该卷积神经网络预测像素空间中各像素位置的单粒子位移，得到高分辨率的平均速度场信息。将该方法用于预测湍流脉动较小的边界层近壁区的平均流动，能够将空间分辨率提高到单像素精度。误差分析发现，该方法获得的测速精度略优于传统单像素系综平均互相关算法，且对粒子浓度和示踪粒子图像对数目的要求明显低于后者。     

自治式水下机器人推进器故障检测、分离与重构

研究自治式水下机器人推进器故障检测、分离与重构问题。针对水下机器人故障诊断残差法中残差阈值不易选取的问题,提出了一种基于观测器的水下机器人推进器故障检测与分离方法,通过构建故障检测观测器对推进器故障与残差信号进行解耦,使推进器出现故障后仅引起与其相关的残差呈单调变化,从而可选择较大的阈值进行故障检测以提高诊断系统的可靠性,该方法在故障检测的同时可进行故障分离。针对系统不确定性导致的推进器故障重构精度低的问题,提出了一种RBF神经网络与等效输出注入相结合的故障重构方法,采用等效输出注入方法估计不确定性项,从神经网络输出中重构推进器故障。     

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布，提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法，对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法，插值结果以速度云图及矢量图的形式展示，对该过程的主要误差也进行了分析与验证。最后的处理结果显示，针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。     

基于多源数据融合的翼型表面压强精细化重构方法

在风洞试验模型表面布置测压孔是获得表面压力分布的重要手段，但受限于空间位置和试验成本，通常难以在复杂模型表面布置足量的测压孔获得完整的表面压力分布信息，直接积分获得的升力和力矩精度不足，因此提出了一种融合稀疏的风洞试验数据和数值计算（CFD）数据的方法，通过较少的风洞测压试验数据获得高精度的压力分布。首先通过本征正交分解技术提取数值计算数据的压力分布低维特征（POD基函数），然后利用稀疏的试验测压数据，通过压缩感知算法获得基函数的坐标，最后将坐标转化到物理空间重构出压力分布。利用定常固定翼型变状态以及变几何变来流状态算例验证该方法的精度，重构结果均能精确匹配试验结果。该重构方法可在一定程度上解决空间受限稀疏观测条件下的分布载荷精细化重构难题。     

最大熵磁共振成象理论

由于在实际磁共振成象系统中，只能得到有限的频谱数据，利用传统的ＦＦＴ方法重建磁共振图象，将导致截断的伪影和低的分辨率。本文提出了一种基于ＡＲ模型的最大熵磁共振成象算法，利用ＡＲ模型外推未知频谱数据，替代了ＦＦＴ方法的填零法重建，并利用了ＢＵＲＧ算法中的ＡＲ模型参数计算的有效性，不仅消除了截断伪影、抑制噪声、提高了分辨率，而且使重建时间与ＦＦＴ方法相当，完全适用于临床应用。     

基于伯努利采样的高速摄像机图像实时压缩

高速摄像机被广泛应用于爆炸力学、流体力学、弹道观测等科研试验中。受电子系统存储带宽和容量限制，高速摄像机无法实现长时间拍摄。对拍摄图像进行压缩是延长高速摄相机拍摄时长的有效方法。然而，现有图像压缩方法因计算复杂度高、时间长，无法满足高速摄相机海量图像压缩需求。为此，提出一种低硬件成本的实时图像压缩方法:采用伯努利采样方法，在CCD或CMOS成像过程中，随机采样部分像素得到压缩图像；再通过未知像素估计算法重建压缩图像。模拟测试结果表明:当图像压缩率达到99%时，从重建图像中仍能观察到图像主要视觉信息，优于TOM拍摄图像的插值放大结果。     

基于单相机光场PIV的逆压湍流边界层测量

作为一种新兴的体三维粒子图像测速技术，光场单相机三维粒子图像测速技术（Single-Camera Light-Field Particle Image Velocimetry，LF-PIV）能够仅用单个相机获得三维速度场，其结果已在许多复杂三维流动测量中得到验证。LF-PIV的优势主要在于其紧凑简便的硬件设备以及对光学窗口较宽松的要求。应用LF-PIV技术对一个自相似的逆压湍流边界层（Adverse Pressure Gradient Turbulent Boundary Layer，APG-TBL）进行测量，该实验在澳大利亚莫纳什大学（Monash University）航空航天与燃烧湍流研究实验室（Laboratory for Turbulence Research in Aerospace and Combustion，LTRAC）水洞中完成。实验对远、近壁面测量所得到的各600组瞬态三维流场数据进行分析验证，并与相同工况下的2D-PIV实验结果对比，证明基于DRT-MART重构技术的LF-PIV能够进行基本的湍流边界层测量。     

特征值重分析的递推算法和若干技术比较

对于利用虚材料结构的模态试验数据提取（辨识）真实材料结构的试验模态参数（简称虚材料结构试验模态）的问题,作者曾建立过一种基于动柔度的广义伽略金法（GG）和基向量组合法（DF）。为了特征值重分析的“快速性”要求,作者又得到广义伽略金法的一种退化解（DS）,其“快速性”非常好,但精度比广义伽略金法差。为了全面了解,还对若干相关方法,如GG、DF、DS和CA（combinedapproximation）等,在满足修改结构特征方程的近似性方面作了探讨,同时还就它们的数值结果进行了比较。其探讨表明,GG法的精度最好,而其余方法的精度是相同或相当的、且基本满意。这些方法在修改结构之特征方程Ku=2Mu的右边惯性项中都不同程度引入了Kirsch的近似假设,故而会引入不同程度的误差。现在要问：右边惯性载荷项的误差对方程解之精度的影响倒底有多大？为此,首次提出了一种递推算法。该递推算法的第一级递推解恰好是广义伽略金法的退化解（DS法）。递推算法的概念适用于上述各种方法。为此,作者又首次建立了CA法的递推公式。最后,该递推算法从数值上得出一个重要结论：导致右边惯性载荷项误差的“Kirsch近似假设”对特征值重分析结果的影响不严重。同时,该递推算法还能逐级减小由Kirsch的近似假设给重分析结果带来的误差。     

基于机器学习的高速复杂流场流动控制效果预测分析

流动控制激励器是主动流动控制技术的核心，其设计水平和工作性能直接决定了主动流动控制的应用效果和应用方向。为了获得流动控制激励器的作用规律，需要大量实验研究激励参数对控制效果参数的影响，实验代价较大。利用逆向等离子体合成射流激波控制实验数据，采用机器学习中的高斯过程回归模型，获得激励器参数（头锥直径、腔体体积、放电电容、出口直径）到控制效果参数（最大脱体距离）的映射规律，对比多种核函数下高斯过程回归的预测效果，采用特征重要性分析方法分析激励器参数对控制效果参数的影响程度。结果表明:对于小样本问题，采用2次多项式核函数Poly2的高斯过程回归预测精度最高。在特征重要性分析上，头锥直径对最大脱体距离的影响程度最大；其次是放电电容和腔体体积，2个参数的影响相近；出口直径影响最小。本文工作可为高速复杂流场流动控制实验中激励器各项参数的设置提供一定参考。     

空间相关性约束联合子空间追踪的高光谱图像稀疏解混

通过深入分析高光谱图像空间相邻数据之间的空间相关性,提出一种利用空间相关性进行约束的联合子空间追踪解混(Spatial correlation constrained simultaneous subspace pursuit,SCCSSP)方法。该方法首先基于分块思想将高光谱图像进行分块处理,然后在图像块的端元提取步骤中,结合空间相关性特征对端元的提取进行约束,从而确保当前端元支撑集相对于高光谱图像残差是最优的。在丰度估计中将图像块的端元集合合并作为整幅图像的端元支撑集,通过求解非负性约束的最小二乘法获得丰度重建图像。模拟图像数据实验结果表明,本文方法在同等条件下能够获得更高的信号重构误差,且解混运算时间低于凸优化算法。在实际图像数据实验中,本文方法丰度图像稀疏度最低,取得了仅次于SUnSAL-TV算法的图像重建误差,其所得到的丰度重建图像也取得了更好的视觉效果。实验结果验证了本文方法具有更高的解混精度。     

飞机外形件三角网格模型光滑B样条曲面重建

综合考虑曲面重建时的拟合精度、曲面片拼接处的连续性和曲面的光顺性等因素,以三角网格模型的双三次B样条曲面重建为例,研究了飞机外形件三角网格模型的分片光滑B样条曲面重建方法。该方法首先采用最小二乘法逼近散乱数据,初步获得分片B样条曲面;然后将光顺准则加权到最小二乘函数中调节曲面光顺程度;最后运用罚函数法保证曲面片边界近似G1连续。将该方法应用于飞机外形件实测数据的曲面重建,误差分析结果验证了方法的有效性。